免疫粒子滤波在声呐图像目标跟踪中的应用

基于前视声呐图像序列,研究并实现了经免疫算法优化的粒子滤波水下目标跟踪。声呐图像分割成二值图后,提取目标的区域形状特征以构建观测模型,设计目标模板自适应更新方法;将免疫算法的克隆与变异思想引入到粒子滤波中以解决粒子退化问题。对两组水下运动物体的跟踪实验表明,即使目标存在一定形变与干扰,文中的免疫粒子滤波算法仍能以较高的精度跟踪到目标真实运动轨迹;相比于传统粒子滤波算法,稳定性也更强。     

序列图像中目标的分割与跟踪

本文主要研究序列图像中目标自适应跟踪方法.文章首先分析比较了目前国内外常用的分割方法的优缺点,然后提出了一种可以实现快速跟踪的算法.该方法利用序列连续图像的帧间相关性和差异性检测目标,把目标历史运动信息经过预测滤波后的结果和差值的序列图像信息进行比较,以达到快速跟踪的目的.     

基于在线学习的自适应粒子滤波视频目标跟踪

传统的粒子滤波视觉跟踪算法采用固定模型和大量粒子表征目标后验概率,不能满足复杂条件下的视频目标实时跟踪.为了提高跟踪的鲁棒性和稳定性及计算效率,本文提出将自适应状态演化方程和在线增量学习观测似然模型嵌入到粒子滤波算法;并采用在线自动调整粒子数目的策略,提高粒子滤波视觉跟踪的计算效率.室内外实验结果表明,文中提出的视觉跟踪算法不仅能准确、高效地跟踪序列图像中的运动目标,而且对光照、姿态变化引起的目标表观变化具有良好的鲁棒性.     

基于关节层次模型的3D手臂运动快速跟踪算法

针对人体3D运动跟踪过程中计算效率低下的问题,提出了基于粒子滤波和关节层次模型的3D手臂运动快速跟踪算法.该算法在经典的人体3D骨骼模型的基础上,提出了关节层次模型,利用关节层次模型将高维手臂运动状态参数空间分解为若干个低维参数子空间,最后,在关节层次模型的约束条件下,根据自顶向下的搜索策略,利用粒子滤波算法对手臂运动进行跟踪,从而减少了跟踪所需的粒子数目.实验表明,与标准的粒子滤波算法相比,该算法能够在保证跟踪精度的同时,提高计算效率.     

一类基于信息融合的粒子滤波跟踪算法

本文提出了一种基于图像多特征信息融合的粒子滤波跟踪算法.该算法利用颜色柱状图描述运动目标颜色分布信息,帧间差的梯度图像描述目标运动信息,并在柱状图框架下给出了运动目标颜色和运动似然模型,保证了颜色和运动似然模型在尺度上的统一.由于图像多特征提供了运动目标多方面的测量信息,从而提高了算法的可靠性.试验表明该算法在使用相同粒子数目的情况下较采用单一颜色特征的粒子滤波跟踪算法效果好.     

一种基于运动检测的粒子滤波跟踪方法

针对传统粒子滤波的建议分布没有利用到当前观测信息的不足,本文提出了一种基于运动检测以改进建议分布的粒子滤波跟踪方法.该方法利用系统的状态转移密度分布,结合目标当前时刻的运动信息共同决定目标的先验分布.首先从一阶自回归的状态转移模型中生成部分粒子,然后采用单高斯背景建模进行局部运动检测,在检测到的运动区域中采样其余粒子,由此得到粒子的先验分布.用该方法分别对动态背景和存在完全遮挡情况下的运动目标进行跟踪,实验结果表明该方法有较高的跟踪精度和较强的稳定性.     

半挂式车辆自主驾驶的轨迹跟踪控制研究

该文针对半挂式车辆的自主驾驶,设计一种基于迭代线性二次型调节器(iLQR)的轨迹跟踪控制器。通过深入研究转向过程中半挂式车辆的运动,建立满足非完整性约束的非线性车辆运动学模型,并根据期望轨迹对其进行线性化,得到线性的轨迹跟踪误差模型。基于扩展卡尔曼滤波器设计车辆状态观测器,估计车辆的航向角。通过对期望轨迹进行基于三次Bezier曲线的自适应拟合得到轨迹跟踪的前馈控制信息,并利用iLQR得到最优控制序列。基于Simulink进行半挂式车辆轨迹跟踪的仿真实验析,结果显示该控制器能够使半挂式车辆快速且稳定地跟踪期望轨迹,并且满足跟踪精度的要求。     

基于聚类和α—β-γ滤波的运动跟踪

借助计算机视觉技术对运动员的运动动作进行跟踪分析,旨在为运动员提高运动成绩提供科学的技术分析手段.研究序列图像中运动员动作的各特征点的运动变化轨迹,并加以跟踪,提出了基于聚类和α-β-γ滤波的特征点跟踪.为解决聚类数目的不确定性给C均值聚类带来的难点,以α-β-γ滤波预测下一帧图像的特征点的估计值为聚类的中心,从而有效克服了初始聚类中心难以选择的问题.并对40帧的图像序列进行了跟踪实验,结果表明该方法是可行有效的.     

基于全局和局部信息的目标跟踪算法

图像序列中的运动目标在跟踪过程中容易受到复杂环境以及严重遮挡所影响。针对该问题,提出一种基于全局信息和局部信息的混合粒子滤波算法。新算法在传统粒子滤波的基础上引入了多子块纹理直方图,它包含了目标的局部空间信息,使得跟踪算法的鲁棒性有所提高;根据目标受遮挡的程度自适应调节全局和局部信息对目标定位的贡献,在一定程度上提高了算法的抗遮挡能力和适应能力,实验结果表明该算法在目标处于部分遮挡和严重遮挡时能够达到比较理想的跟踪效果。     

基于假设理论的序列图像中多目标检测和跟踪(英文)

本文提出一种基于目标检测的多维假设多目标检测和跟踪方法,此算法对于序列图像的照明变化和遮蔽现象具有很高的鲁棒性.首先,对序列图像进行背景抑制、时域滤波和杂波剔除的预处理,得到单帧的初始目标检测结果.对于初始检测中存在的漏检和误检现象,采用基于假设理论的跟踪概率模型优化初始检测轨迹;将目标的跟踪信息反馈于目标检测模块,形成一闭环自适应跟踪系统,达到多目标的最优检测和跟踪.实验结果表明了所提出的方法在多目标检测和跟踪中的可行性和有效性.     

HSI空间和改进 C-means的彩色人民币号码分割方法

针对采集到的人民币号码图像都是彩色图像并携带有噪声这一现象,本文提出基于 HSI空间和改进的 C-means算法的人民币彩色号码图像分割方法。选用 HSI颜色空间作为彩色分割空间,在 HSI空间内,将 HSI的 3-D搜索问题转化为 3个 1-D的搜索问题,求取图像在 3个 1-D方向上的灰度直方图,该方法根据图像当前点 3×3邻域内每个像素灰度值与当前点灰度值差值的大小情况,确定聚类算法中当前点的灰度值 p(m)的值,采用 C-means聚类算法分别确定文字和非文字的聚类中心,利用欧式距离进行人民币号码前景和背景的聚类判断。该方法直接对彩色人民币号码图像进行分割,考虑了当前点与邻域像素点之间的相互关系,具有一定的自适应性。实验结果表明,提出的号码图像分割方法不受图像噪声和局部边缘变化的影响,且变换后数据量减少,易于计算,该方法对字母和数字的分割都有效,鲁棒性较强。     

基于模糊逻辑的两步卡尔曼滤波器设计

在对惯性运动跟踪系统的建模分析中,常采用基于计算机的集中式卡尔曼滤波算法进行数据处理。由于该方法存在算法复杂,处理数据速度慢等问题,难以在嵌入式系统中实现高速运动跟踪,提出一种基于模糊逻辑的自适应两步卡尔曼滤波算法。该方法根据人体不同的运动状态调整卡尔曼滤波器,实验结果证明所提的方法能够更好地估计各个传感器的测量精度,减少了运算量,并在一定程度上提高了滤波器的容错性能。     

Multiple Pedestrian Detection and Tracking in Night Vision Surveillance Systems

Pedestrian detection and tracking are vital elements of today’s surveillance systems, which make daily life safe for humans. Thus, human detection and visualization have become essential inventions in the field of computer vision. Hence, developing a surveillance system with multiple object recognition and tracking, especially in low light and night-time, is still challenging. Therefore, we propose a novel system based on machine learning and image processing to provide an efficient surveillance system for pedestrian detection and tracking at night. In particular, we propose a system that tackles a two-fold problem by detecting multiple pedestrians in infrared (IR) images using machine learning and tracking them using particle filters. Moreover, a random forest classifier is adopted for image segmentation to identify pedestrians in an image. The result of detection is investigated by particle filter to solve pedestrian tracking. Through the extensive experiment, our system shows 93% segmentation accuracy using a random forest algorithm that demonstrates high accuracy for background and roof classes. Moreover, the system achieved a detection accuracy of 90% using multiple template matching techniques and 81% accuracy for pedestrian tracking. Furthermore, our system can identify that the detected object is a human. Hence, our system provided the best results compared to the state-of-art systems, which proves the effectiveness of the techniques used for image segmentation, classification, and tracking. The presented method is applicable for human detection/tracking, crowd analysis, and monitoring pedestrians in IR video surveillance.     

二维傅里叶变换法三维曲面检测

对投影光栅方法获得的位相调制空间载波图进行二维数字图象处理,实现了散射物体的三维曲面测量,利用二维快速傅里嚅变换将空域信号转变为频域信号,对一级频谱进行傅里叶反变换,逐步解调出其位相值,重建了被测物体表面的形貌。文中给出了对人体模型的实验测量结果。     

基于工业焊接小车的视觉伺服控制算法研究

针对基于视觉传感器的焊接小车，提出了提高跟踪精度和鲁棒性的视觉伺服控制方法。首先，建立了图像特征的数学模型，并设计了错误数据的检测算法，其次，对于折线焊缝跟踪过程中存在的位置延迟问题，采用了一种自适应视觉伺服控制结构。这种自适应结构在线检测焊缝方向，并能够在焊缝方向发生变化时对控制参数进行相应的调整。针对该控制结构，设计了基于Kalman滤波器的焊缝方向变化检测算法、参考像素坐标调整算法以及预测与实时调整相结合的控制方法。焊缝自动跟踪实验表明所提方法具有较强的鲁棒性和较高的精度。     

基于自适应特征融合的多尺度相关滤波跟踪

为了减小目标跟踪中目标变形、光照影响、运动模糊以及目标旋转对跟踪效果的影响,在相关滤波KCF基础上,提出了一种基于自适应特征融合的多尺度相关滤波跟踪算法。首先,提取VGG19网络中conv2-2、conv3-4、conv5-4层的特征以及CN特征,并在conv2-2层加入CN特征;然后,将这3个特征分别代替HOG特征进行滤波学习,得到3幅响应图;进而对3幅响应图进行加权融合预测目标位置。最后,在尺度方面引入多尺度相关滤波器进行尺度的确定。该算法比KCF跟踪算法精确度和成功率分别提高了13.6%和11.8%。与现有的其他优异跟踪算法相比,该算法在应对运动模糊、背景杂乱、目标变形、平面旋转方面更具有较好的跟踪效果。