基于SIFT特征匹配算法的目标跟踪及视频采集与传输研究

为了有效解决复杂背景情况下运动物体的跟踪问题,提出了一种基于SIFT特征匹配算法的目标跟踪方法。通过构建Do G尺度空间、FIFT特征点检测、特殊点描述子算法、特征点匹配将参考图像和待匹配图形进行SIFT特征点匹配,实现目标跟踪;并通过视频采集模块和无线传输模块将采集的目标图像进行无线传输。实验结果表明:SIFT特征匹配算法可对复杂环境中的目标信息进行有效跟踪。     

基于背景特征点匹配的视频稳像

针对特征点在前景运动物体上会严重影响运行矢量准确性的问题,本文提出利用特征点分类的方法,通过计算KLT跟踪特征点,计算运动估计所得匹配点跟踪所得特征点之间的距离,并由MSAC算法不断更新前景特征点和背景特征点集,最后仅采用背景上的特征点进行全局运动估计,从而进行稳像。实验结果表明,本文方法稳像后视频平滑度更高,而且本算法的无定义区域明显减少,更利于人眼视觉感受。     

基于立体视觉的月球车运动估计算法

为了满足月球车自主导航的需要,提出了一种仅仅依靠月球车视觉系统提供的图像序列实现月球车六自由度运动状态估算的定位方法。对尺度不变特征转换点(Scale invariantfeature transform,SIFT)特征点跟踪匹配方法和运动参数估计方法进行了研究。在特征跟踪匹配时,引入了两个新的匹配约束条件以准确建立月球车运动前后环境特征点的对应关系。根据获得的特征点对应关系求解月球车的运动参数时,提出了一种鲁棒的估计方法,即首先用随机抽样一致性(Random sampling consensus,RANSCN)结合单位四元数方法剔除数据中的误匹配点,并求出车体运动参数的预估值,然后以此预估值并利用Levenberg-Marquardt非线性优化算法对运动参数进行精确求解。最后,通过模拟场地试验验证了该运动参数估计算法的有效性。     

多目立体视觉三维重建系统的设计

针对工业产品质量检测过程中产品三维表面的重建问题,提出一种基于多目立体视觉三维重建方法.设计了一套由八个直线分布的工业相机构成的三维重建系统方案.首先通过图像采集模块,在八个不同方向对目标物体进行图像采集.其次对采集到的图像进行预处理,其中包括图像背景抑制和目标物体分割.然后通过相机标定模块,对八个相机进行标定,获得它们的内外参数,并结合Harris角点检测及高斯差分检测算法对预处理后的图像实现特征点提取.在此结果上,再利用三角形法对提取到的特征点进行匹配和校正.最后采用泊松表面重建方法准确地获取和优化角点,并找到角点特征的匹配点,从而对物体进行三维表面的精确重建.实验结果表明,设计的系统能够重建出静止物体的局部三维表面,重建结果中的物体表面完整,结构清晰,表面上的字符重建完整,能够很好地进行识别.     

运动物体参数估计与跟踪的线对应新算法

在分析刚体平面运动前后对应直线参数关系的基础上,提出了用直线对应原理估计物体运动参数的新算法. 线对应法可以同时估计物体的平移和旋转参数,这一点是传统的点对应和其他方法难以实现的. 推导出对运动物体自动跟踪的迭代公式,在跟踪过程中用齐次坐标实现了坐标系转换和运动合成的一体化. 仿真实验证明,在大噪声环境下这一算法仍然可以获得相当精确的运动参数.     

一种基于多重单应引导的特征点匹配算法研究

针对复杂地形低空遥感影像特征匹配难的问题,提出了一种多重单应引导的特征点匹配算法.算法首先提取影像中的SIFT特征点并进行NN粗匹配,再经ransac算法鲁棒估计单应矩阵,并给定视差阈值,由单应矩阵进行引导匹配,直到数目稳定为止,对剩余特征点重复以上匹配过程,直到ransac估计超限为止,最后对单应估计的匹配对进一步由ransac算法鲁棒估计基础矩阵对应的内点,利用LM算法对内点求解最优基础矩阵获得更精确的匹配点.实验证明,采用文章算法进行特征点匹配,可以有效提高匹配点数量和可靠性,为快速生成高分辨率数字地面模型提供一种新的技术途径.     

基于CamShift算法的目标跟踪研究

针对传统的跟踪算法无法获取跟踪目标世界坐标值的问题,提出融合SIFT特征点匹配的CamShift目标跟踪算法。运用基于色彩的CamShift算法对目标进行跟踪的同时对跟踪搜索窗口进行SIFT特征点提取和匹配,以获取目标的部分特征点在左右成像平面上的二维坐标值,根据这些坐标值通过视差原理确定目标的空间位置。实验结果显示,该算法在室内简单的背景条件下,能很好地跟踪运动目标且跟踪误差在可接受的范围内。     

红外导引头边缘模板匹配跟踪算法研究

实时目标跟踪是当前红外成像导引头图像处理中的关键技术,文章提出了基于特征点邻域的边缘模板匹配目标跟踪算法,该算法从红外图像中获取特征点,以特征点为中心选取参考模板,然后利用边缘检测算法获得边缘点集,最后使用改进的Hausdorff距离测度进行边缘点集的匹配,.从而实现实时目标跟踪.文章深入分析和探讨了模板的选取原则和提高算法实时性的四项措施.仿真实验测试证明,该方法能够很好的解决跟踪点滑动和漂移的问题,并满足实时性要求,跟踪稳定.     

动态场景下基于视差空间的立体视觉里程计

针对实际的复杂动态场景,提出了一种基于视差空间的立体视觉里程计方法.利用SIFT特征点的尺度和旋转不变性及一些合理的约束条件,实现左、右图像对和连续帧间的特征点匹配和跟踪.通过结合了RANSAC的最小二乘估计滤除运动物体上的干扰特征点,得到较为准确的运动参数的初始值,在视差空间中推导出视觉里程估计的数学模型,通过最小化误差函数得到最终运动估计.实验结果表明,该算法在室内外存在运动物体的复杂动态场景中都具有较传统方法更高的精度.     

自适应Kalman滤波的运动物体跟踪算法研究

针对实时视频中的运动物体跟踪问题,提出了一种基于自适应Kalman滤波的运动物体跟踪新算法。首先利用基于∑-△背景估计算法检测运动物体,并提取主要颜色特征。然后构建物体运动模型,并生成自适应Kalman滤波的系统状态模型。最后利用主要颜色特征进行物体跟踪,其结果反馈给自适应Kalman滤波器,并通过遮挡率自动调整参数达到正确跟踪。实验结果表明,所提出的自适应Kalman滤波算法在运动物体被遮挡等复杂条件下的鲁棒性好,还具有跟踪准确性高和数据计算量小等优点,可用于实时运动物体的检测与跟踪。     

基于场景知识的移动目标检测

依据背景差法中背景建模的思想,从提取场景知识的角度出发,建立待检测场景的场景知识库,从而提出一种基于场景知识的移动目标检测算法。使用改进的均值漂移算法对待检测场景进行分割,并提取分割后各个区域的底层视觉特征建立场景知识库;从新的场景帧图像中获取各区域的知识特征向量,然后根据和原场景知识库中各特征向量的匹配结果检测出移动目标信息。仿真结果表明,该方法能有效地检测出场景中原有目标和新进入场景目标的移动信息,并在一定程度上改善了目标阴影、形变等噪声对检测结果的干扰。     

一种基于概率模型的运动趋势查询处理

运动趋势的准确预测是实现移动对象数据库中各种预测性时空查询处理的基础.提出了一种基于概率模型的运动趋势查询及处理方法.该方法将移动对象未来可能出现的位置定义为一种随机变量.运动趋势查询的处理就是检索随机变量的概率密度函数集合并进行概率计算的过程.为了获得较为准确的概率密度函数集合,提出一种通过对大量历史轨迹随机抽样来估计概率密度函数的方法.还设计了一种能够有效存储概率密度函数和提高运动趋势查询处理效率的索引结构.实验结果表明,提出的方法能够有效支持运动趋势查询的处理并提高对移动对象运动趋势预测的准确性.     

基于Hausdorff距离的视觉监控轨迹分类算法

针对智能视觉监控系统中的运动目标轨迹分类问题,提出了一种基于多维Hausdorff距离的轨迹聚类算法。该算法使用流矢量序列描述目标运动轨迹,由多维Hausdorff距离进行轨迹相似性测量,通过谱聚类实现轨迹分类。该算法在轨迹描述中同时包含位置和方向信息,解决了Hausdorff距离不能区分轨迹运动方向的问题。为降低计算复杂度,本文还提出一种保距变换对轨迹相似性测量进行优化。与相关算法的对比实验表明,提出的轨迹分类算法可达到更高的聚类准确率;提出的保距变换可以显著降低算法的计算复杂度。     

面向监控视频检索的关键运动对象提取

该文提出了一种基于运动对象外观模型的分层聚类算法,用于从对应同一轨迹的运动对象序列中提取关键对象。采用边方向直方图和主颜色直方图描述运动对象的特征,兼顾形状和颜色特征的全局与局部变化。实验表明,使用该方法提取的关键对象数量较少,且能较好地反映运动目标的形态变化。     

基于水平集的多运动目标检测和分割

针对视频图像的运动分割问题，提出了一种基于水平集方法的多运动目标检测和分割新方法.通过一种基于帧间差分的算法,自动提取初始背景图像，并使用相减法，检测出当前图像中的运动像素.定义了一种新的基于差分图像的局部梯度、目标的方差和背景的方差的速度函数，得到了改进的分割曲线的演化方程，分割出不同的运动目标.在水平集的求解过程，设定了控制演化曲线最终停止在目标边界上的条件，得到了运动目标的边界.实验结果表明，与其他传统方法相比，该运动目标检测和分割方法更有效和具有更好的鲁棒性，能够正确地提取运动目标边界.     

Snake算法在运动目标检测中的应用

Snake算法(动态轮廓模型)在图像处理过程中有着广泛的应用.提出基于归一化互相关系数的阴影检测方法,利用由帧间差分法得到的目标边界,自动设置Snake初始位置,采用贪婪算法得到最终目标收敛轮廓.实验结果表明,该算法能够快速有效地检测出多运动目标.     

基于CTBN的移动对象不确定轨迹预测算法

为了高效准确地预测移动对象动态运动轨迹,提出了一种基于轨迹时间连续贝叶斯网络(CTBN)的不确定性轨迹预测算法,充分考虑了移动速度和方向对移动对象动态运动行为的影响,包含3个主要步骤:热点区域挖掘将轨迹数据集划分为不同的热点聚簇;轨迹时间连续贝叶斯网络的构建,其由3个变量(街区号、移动速度、移动方向)构成的状态组合;利用该网络预测移动对象动态运动行为计算可能运动轨迹。不同数据集上的实验结果表明该算法的预测精度优于朴素预测算法,并证明了热点区域挖掘的作用在于能够在保证较高预测准确性的前提下提高预测时间性能近60%。     

动态场景中运动目标快速检测算法

提出了一种基于边界灰度投影匹配的全局运动估计和运动目标提取算法.算法将边界灰度水平投影和垂直投影值作为匹配特征,较好地估计了全局运动参数.由于只需计算一维特征向量所以降低了全局运动估计的计算量.经过全局运动补偿后,可以运用传统的帧间差法得到运动目标.为了减少噪声的影响,准确提取目标,采用了高阶统计量的方法(HOS)来区分背景和运动目标.试验结果证明,所提出的方法在估计全局运动参数和提取运动目标方面有较好的鲁棒性.     

基于MLS点云模型特征的提取算法

针对以往特征提取算法提取边界特征效果不理想和特征识别时间较长的问题,提出了一种改进的点云模型特征边界线提取算法.该算法以移动最小二乘法为基础,在对已有的边界特征提取方法研究的基础上,结合研究对象棱角分明的特点,提取点云模型边界特征点集,利用双向搜索方法快速生成模型的特征边界线,并对得到的特征边界线进行特征修复,从而得到较为稳定的点云模型的特征边界线.实验结果表明,该算法能快速地提取点云模型的特征边界线,为后续基于特征边界的建模节约了大量时间.