隐马尔科夫模型修正的交互多模跟踪算法

针对交互式多模型目标跟踪算法中模型转移概率固定对跟踪精度造成的影响,提出了一种隐马尔科夫模型修正的模型转移概率自适应交互多模跟踪算法。该算法通过对跟踪过程建立隐马尔科夫模型,采用Viterbi 算法求解修正系数,在检测到目标运动发生机动性变化时,将修正系数用于交互式多模型算法以达到实时调整模型转移概率的目的。仿真结果表明,该算法的跟踪结果优于传统的交互式多模型算法,具有很好的稳健性、实时性,有效降低了主观因素对跟踪精度造成的影响。     

一种基于光流的GVF主动轮廓线模型在颈动脉超声动态图像序列边缘提取中的运用

颈动脉超声图像边缘的提取对冠状动脉疾病的诊断和治疗有着重要的意义。本文提出了一种针对颈动脉超声动态图像序列的边缘跟踪方法。根据前一帧图像的边界轮廓,通过计算当前帧与前一帧之间的光流场来预测当前帧图像的初始轮廓,再使用GVF主动轮廓线方法进行分割。然后依次处理图像序列的每一帧图像。实验证明,这种方法相对与独立的分割每帧图像更有效率,并且由于使用了光流来进行预测,具有很好的动态跟踪能力。     

基于变形模板技术的目标轮廓跟踪算法

为了适应目标旋转、尺度、场景光照等变化,利用B样条曲线表达目标轮廓,结合变形模板技术对运动目标的轮廓进行跟踪.在跟踪过程中,沿着模板曲线的法线方向检测目标轮廓,提高了检测效率.根据同一曲线上相邻点间的相关性,对检测所得的轮廓点集的坐标序列进行中值滤波,有效降低噪声干扰.将检测到的轮廓点集在形状空间匹配,使目标轮廓的形变限制在一定范围之内,有效抑制噪声和背景边缘特征的干扰.仿真试验表明,该算法能够有效得到目标轮廓,且具有较好的实时性.     

自适应红外目标跟踪算法

针对传统的红外目标跟踪算法对被跟踪目标出现形变、部分或全部遮挡后目标易发生丢失的问题, 提出一种新的红外目标跟踪算法。该算法采用双边滤波处理方式并结合中值光流法, 建立一种自适应红外目标模型, 以达到准确、稳定跟踪目标的目的。实验结果表明, 该算法能够有效跟踪变形或遮挡目标, 且实时性强, 准确率高, 鲁棒性好。     

自适应红外目标跟踪算法

针对传统的红外目标跟踪算法对被跟踪目标出现形变、部分或全部遮挡后目标易发生丢失的问题,提出一种新的红外目标跟踪算法。该算法采用双边滤波处理方式并结合中值光流法,建立一种自适应红外目标模型,以达到准确、稳定跟踪目标的目的。实验结果表明,该算法能够有效跟踪变形或遮挡目标,且实时性强,准确率高,鲁棒性好。     

复杂地面场景下的红外运动目标跟踪

复杂地面场景下的红外目标易受背景影响并经常出现遮挡情况,难以简单地依靠亮度或梯度信息检测并跟踪目标。根据复杂背景下红外运动目标与背景的速度场差异,提出了利用光流对目标进行跟踪的算法。首先对图像进行配准,保证在随动跟踪时背景的相对静止;然后在目标的跟踪波门内计算改进的Horn-Schunck 光流;最后根据目标的光流特征,优化粒子滤波算法中粒子的转移概率,实现对目标的稳健跟踪。实验结果表明,该跟踪算法能对复杂地面场景下的红外运动目标持续跟踪,并不受目标被短时遮挡的影响。     

基于光流方程和目标匹配的视频图像目标跟踪方法

提出一种利用图像差分、局部光流法和目标匹配,实现视频对象目标提取和跟踪的方法.首先,对预处理后的图像进行差分;在差分的基础上,运用局部光流场对目标进行运动估计;对估计结果依据相似度进行聚类分析,消除小的非目标区域;当目标未发生剧烈变化时,更新目标模板,否则,利用已有目标模板进行匹配跟踪.实验结果验证了该算法的有效性,并实现了目标变形和部分遮挡时的稳定跟踪.     

天基非合作卫星高精度跟踪算法研究

空间非合作目标跟踪技术可以在多方面发挥重要作用,目前效果较好的图像跟踪算法多是基于视频流处理,但是由于面对的工况与航天应用面对工况不同,在跟踪精度、运算速度、预警率和虚警率等要求上不满足空间目标跟踪需求与任务要求,并且运算复杂难以在航天器中实现,不适合天基卫星跟踪。为解决这一问题,一种面向空间应用的卫星目标高精度跟踪算法被提出,该算法以图像相关、曲线拟合、卡尔曼滤波、SURF算法为基础,并将预测、跟踪和矫正过程相融合,最终获得在天基平台中具有可行性的高速稳定跟踪算法。相关实验表明,这种算法可以对平面内自由旋转、0.4~2.1倍尺度内缩放、有光照变化的图像进行连续跟踪,仿真试验平均跟踪误差小于0.9像素且大多数工况下计算速度高于200帧/s,并且算法对图像模糊、高斯噪声以及椒盐噪声都有较好兼容能力,对于实际模型目标跟踪仍有稳定跟踪能力。     

Lasso约束下融和光流信息的DCF目标跟踪算法

视频目标跟踪是计算机视觉的基础问题之一。近来由于 discriminative correlation filter（DCF）跟踪器的高效性和鲁棒性,出现了许多基于DCF的目标跟踪算法。为了克服DCF跟踪器对运动模糊目标的不适应性,本文提出了一种利用Lasso约束并融入光流信息的目标跟踪算法。首先在跟踪器抽取特征通道块中融入光流特征。然后在通道块之后进行多特征融合。其次利用Lasso约束DCF跟踪器的目标函数。考虑到所约束的目标函数在定义域上不连续和目标跟踪的优化效率。最后,采用块坐标下降算法来优化所约束的目标函数。实验结果表明,与基于DCF视觉跟踪算法相比,所提出的算法可以有效的处理运动模糊目标,实现复杂环境下鲁棒的视觉目标跟踪。      

结合全局光流的孪生区域提名网络目标跟踪算法

基于孪生网络的跟踪器受限于孪生网络跟踪框架固有的跟踪机制和搜索区域选择机制,当目标处在被遮挡、快速运动和出视野等困难场景下时,如何稳定、鲁棒地进行目标跟踪始终是孪生网络跟踪器亟需解决的问题。为此,文章提出一种结合光流的孪生区域提名网络目标跟踪算法(GOF-SiamRPN)。通过全局光流对目标的运动趋势信息进行补充,该方法可以有效地解决在这些困难场景下的跟踪问题。在VOT2019和UAV123上的实验结果表明,相比基准方法,该算法分别取得了2.0%和1.8%的性能提升。与其他先进的跟踪器相比,该算法也取得了有竞争力的跟踪效果。     

基于主动轮廓模型联合Camshift算法的目标跟踪方法

针对城市道路交通环境中传统Camshift算法跟踪窗不能描述运动目标轮廓以及易受近似颜色干扰跟踪丢失的问题,提出基于Snake主动轮廓模型联合Chamshift区域模型的目标跟踪方法,算法将原Camshift算法中使用的HSV颜色特征和LTP纹理特征融合,增加了抗干扰能力,同时利用多尺度小波改进的Snake主动轮廓模型进一步对物体轮廓检测,去除阴影区域,更为直观的描述了物体的轮廓。实验证明,新方法在城市道路交通监控中有良好的应用前景。     

一种新的关键词确认方法

本文提出了一种新的基于模型距离矩阵的关键词确认算法,并给出模型距离的定义及其训练方法,利用模型相对距离矩阵对语音识别结果进行确认.对于关键词库较大的关键词检出系统,通过对关键词分段,得到扩展的模型距离矩阵确认算法,使得大词表确认问题得到很好的解决,并能够获得和小词表系统一样的确认效果.为了对关键词库进行方便的操作,模型距离矩阵的更新算法使得用户可以很方便地修改关键词库内的关键词,而不必重新训练整个模型距离矩阵.     

基于边缘吸引力场正则化的短程线主动轮廓模型

短程线主动轮廓模型是近几年提出的一种有效的多目标轮廓提取算法 .本文在详细分析其动力学过程的基础上 ,针对该模型中存在的局限性和不足 ,提出对边缘吸引力场进行正则化的方法 ,并采用多尺度模型 ,有效的改善了该模型不能对存在断裂轮廓的目标进行正确提取和凹边缘搜索能力弱的缺点 ,增强了抗噪声和虚假边缘干扰的能力 ,使该算法具有更好的鲁棒性和实用性 .     

基于SVM能量模型的改进主动轮廓图像分割算法研究

为克服经典主动轮廓模型曲线内外区域能量定义在复杂目标与背景分布情况下的不足,本文将高效的支持向量机有监督学习分类器引入基于Mumford-shah模型的主动轮廓图像分割算法中,提出了基于SVM能量模型的改进主动轮廓图像分割方法.该方法首先利用支持向量机的分类结果对于封闭曲线的内外区域分别构造了一种新的图像能量表示方法,因为分割过程充分利用了有监督学习策略,使得本文提出的算法具有更高的稳定性和更加广泛的适用范围,特别是对目标灰度分布不均或存在多纹理的目标也可以得到较好的分割结果.分割时,首先利用SVM实现粗分割得到目标初始轮廓,然后利用改进的Mumford-shah主动轮廓模型进行精确分割,采用粗分割策略一方面可以大大提高分割速度,另一方面也可以提高了算法的自动化程度.对比实验结果表明本文提出的算法具有更大灵活性和更好的分割性能.     

说话人辨认系统中码本生成的新算法

提出了一种新的适用于离散HMM说话人辨认系统的VQ码本训练方法,码本的训练准则是使码本中各码字的利用率趋于均等.将新方法训练的码本与用LBG算法训练的码本进行了比较,实验表明,在基于离散HMM的说话人辨认系统中,用新方法训练的码本性能优于用LBG算法训练的码本,特别是在与文本无关的情况下,使系统的正确辨认率显著提高.     

EM-HMM多频率线跟踪算法

基于隐马尔可夫模型的多频率线跟踪算法 ,能在很低的SNR环境下工作 ,但量化误差较大 ,和计算量大 .本文提出另一种选择量测向量和计算量测概率的方法 ,创造条件减小量化误差 .又经简单论证 ,将EM算法和HMM用于多频率线跟踪 ,严格地 (而不是启发式地 )得到EM HMM算法 ,可以极大地减少计算量 .本文又提出获得初始估计以启动EM HMM算法的二种方法 .仿真计算表明 ,所提的算法是有效的     

从线性预测HMM到一种新的语音识别的混合模型

线性预测HMM(Linear Prediction HMM,LPHMM)并没有象传统HMM那样引入状态输出独立同分布假设,但实用中识别性能并不佳.通过分析两种HMM的各自优劣,本文提出了一种新的语音识别的混合模型,将语音静态特性(基于传统HMM)和动态特性(基于LPHMM)分别描述又有机结合在一起,更为精确地刻划了真实的语音现象,同时又继承使系统的实现改动很小和较小的计算量.汉语大词汇量非特定人连续语音识别的实验表明,混合模型的识别性能显著好于LPHMM和传统HMM.理论上,本文还给出了LPHMM的一组闭式参数重估公式.     

一种基于主动轮廓模型的自适应模板更新算法

在目标相关跟踪过程中,由于目标的姿态、大小发生变化,所以合理地更新模板极为重要.而已有的模板更新方法都不能适应目标的姿态和大小变化.提出了一种模板更新的新方法,该方法以颜色直方图的Bhattacharyya系数为基础,来进行模板更新时机的判断.并利用主动轮廓模型算法得到目标的边缘,自适应调整模板的大小和内容,从而实现对目标在发生姿态和大小等变化下的可靠跟踪.     

一种新的红外目标跟踪方法

提出了一种基于灰度加权和Kalman滤波预测的红外目标跟踪方法。利用带有空间位置信息的目标区域直方图描述红外目标,克服了灰度直方图对图像描述缺少空间位置信息的缺陷,增加了描述的鲁棒性。同时,对跟踪目标的实时位置数据利用卡尔曼滤波校正和预测,增强了跟踪的实时性。实验结果表明,该方法是有效和稳健的。