移动机器人的动态目标实时检测与跟踪

通过移动机器人的视觉系统可以实现动态目标的 检测与跟踪。提出一种基于改进的高斯混合模型(GMM)的 实时动态目标检测算法,算法引入分块思想,在模型更新过程中动态调整GMM分布数目和学 习率,通过改进匹配准则来减小误检率(FPR)和漏检率(FNR) 。在目标检测的基础上,采用一种融合均值偏移(MS:Mean Shift)和粒子滤波(FP:Particl e Filter)的算法对 目标实时跟踪,在利用MS算法获得的最优候选区域周围散布采样粒子,根 据偏移向量的大小自适应调节粒子数目,不仅具有较快的收敛速度,且对遮挡具有较好的鲁 棒性。实验结 果表明,将两种改进后的算法应用于移动机器人的视觉系统中,能够对动态场景中的动态目 标实时检测与跟踪,较传统算法在实时性和精确性上均获得一定提高。     

移动机器人视觉目标检测与跟踪方法研究综述

针对移动机器人视觉目标检测与跟踪任务,首先,阐述了其研究背景及意义,分析了当前目标检测与跟踪方法研究中存在的难点;其次,结合特征表达的类型和检测步骤对传统目标检测算法、基于候选区域的目标检测算法、基于回归的目标检测算法与基于增强学习的目标检测算法等4种目标检测算法的优缺点进行了分析比较;接着,分析比较了传统跟踪算法、基...     

基于多特征融合的粒子滤波目标跟踪研究

针对目标跟踪方法,本研究提出了一种基于运动特征和颜色特征多特征融合的粒子滤波跟踪方法,在颜色直方图描述颜色特征的基础上,融合了目标的运动特征,验证了通过增加对目标特征描述信息,可以提高跟踪健壮性以及可靠性。     

基于Kalman滤波原理的运动目标跟踪

应用Kalman滤波原理,对运动目标进行跟踪,缩小目标的搜索范围,实现快速实时跟踪,使跟踪更为准确.理论分析和实验结果表明,该算法与常规的模板匹配法、直方图模板匹配法等算法相比,有效地提高了目标跟踪的速度及跟踪的准确性.该算法对运动目标进行跟踪,运行速度可提高三倍.     

一种基于粒子滤波的自适应运动目标跟踪方法

该文提出了一种基于粒子滤波的自适应运动目标跟踪方法。均值漂移算法是一种最优梯度下降法,通过迭代来搜索目标,从而实现对运动目标的跟踪。而粒子滤波是一种在非线性和非高斯情形下进行跟踪的强有力方法。该文首先对图像的直方图进行改进,提出了一种基于统计直方图分布的目标模型,然后通过这个模型将这两种方法有效地结合起来。根据跟踪的过程,自适应地调整参数,能够较好地处理图像序列中由于光线变化或遮挡所带来的影响。实验证明,该文所提出的方法与均值漂移方法相比,即使在复杂的情形下,也能够准确地对目标进行跟踪。     

激光雷达高精度跟踪运动目标的方法研究

本文论述了卡尔曼滤波估值理论在激光雷达跟踪系统中的应用方法,首先建立目标和激光雷达测量值的数学模型;然后讨论了跟踪数学模型线性变换方法以及对滤波器精度的影响,在此基础上,提出了激光雷达跟踪运动目标时高精度的跟踪方法。     

视频序列中运动目标检测与跟踪

针对视频序列中运动目标的检测与跟踪,提出了一种基于边缘检测的背景差分算法。这种算法计算量较小,比较简单,在可以得到完整的运动目标的边缘信息的前提下,还不会受到背景的改变和光线的变化等外界因素的干扰。实验结果表明该方法具有良好的鲁棒性。     

基于运动检测的目标跟踪算法研究

运动目标检测与跟踪主要分为目标检测和目标跟踪,首先摄像机进行图像采集并预处理,然后提取出运动目标特征值与后续图像帧中的区域特征值分析相关性,确定运动目标的运动轨迹。主要介绍了几种基本的目标检测算法和目标跟踪算法,并对运动目标跟踪算法的研究前景进行了展望。     

基于粒子群算法和卡尔曼滤波的运动目标跟踪算法

针对目前一些常用的运动目标跟踪算法存在跟踪精度不高、实时性低、对遮挡问题处理不佳等问题,提出一种粒子群算法与卡尔曼滤波相结合的新的运动目标跟踪方法。利用卡尔曼滤波预测目标中心在下一帧图像中的位置,从而极大减少了搜索范围,并以该位置为中心建立目标搜索区域。然后以目标的灰度统计特征对目标模板和候选区域进行匹配,确保跟踪准确性。为了有效减少搜索匹配次数、提高实时性,利用粒子群算法在搜索区域找到和目标模板最相似的区域,从而找到最优中心位置,并以该位置作为卡尔曼滤波的观测值,进行下一帧跟踪。仿真实验结果表明新算法显著提高了跟踪的实时性、精确性,并对部分遮挡能较好地处理。     

车式移动机器人轨迹跟踪控制方法

针对车式移动机器人轨迹跟踪这一典型控制任务,本文提出一种滑模轨迹跟踪控制方法.该方法采用PI型滑模面设计等效控制律,利用变速函数代替符号函数获得切换控制率,并运用Lyapunov理论证明系统的稳定性.仿真结果表明该方法不但能使机器人有效跟踪任意参考轨迹,而且能减小在控制中的抖振现象,即使在外界干扰影响的情况下,也具有良好的控制品质.     

视频运动目标检测及跟踪算法测试平台设计与实现

给出了平台构架、设计思路与实现方法,对七个核心算法模块进行了详细说明,给出了采用VC++6.0实现时的主要程序段及技术关键点.提供了一种高速路交通车辆检测和跟踪实例,提供了实例算法结构图、性能参数和实际测试效果.试验结果表明,所提平台具有良好的实时性和有效性.     

目标检测与跟踪技术专利综述

目标检测与跟踪技术在军事、航天以及国民经济的各个领域发挥着重要的作用.对目标检测与跟踪的专利技术进行了综述,重点关注近年的热点技术,将近年来目标检测与跟踪的专利技术大致分为以下几类:块匹配、基于特征的方法、图像间相减、基于变换域的方法、基于梯度的方法和统计方法,并介绍了每类方法的优势与问题,希望对审查与申请提供一定的借鉴.     

基于码书和纹理特征的运动目标检测

复杂环境下如何进行鲁棒的运动目标检测是计算机视觉领域热门研究课题。本文提出了一种新的码书和高斯局部二值模式(GLBP)的纹理描述的运动物体检测方法,在线学习构建码书纹理背景模型。首先用码书以类似聚类的方式构建每个像素的码书模型,根据码字的颜色和亮度相似性,将背景像素分布用聚类码字的形式表示出来,同时在模型初始化和运动检测阶段不断更新码字以反映背景变化。然后用单高斯模型来学习背景像素变化的概率,生成GLBP纹理算子,同时在线更新GLBP反映图像空间纹理信息变化。最后融合三个特征将当前帧分割为前景背景两部分。通过实验视频表明本方法在实际视频中取得了较好的鲁棒的效果。      

一种改进的运动目标检测与跟踪方法

为了解决传统的帧间差分法提取的运动区域不完整,且容易造成空洞等问题,将其改进为基于三帧差分的背景差分法检测运动目标。在跟踪方法上先对目标进行边界扫描,利用链码原理记录目标边界,再采用质心跟踪法。最后将算法移植到TMS320DM642的硬件系统上进行精度测试。实验表明改进后的方法使运动目标检测算法的性能得到很大的优化,可以有效、实时地完成对运动目标的检测与跟踪,实现不丢帧、跟踪精确。     

一种快速目标检测跟踪方法研究与实现

阐述目标检测跟踪详细过程,提出一种近距离复杂背景下使用快速模板匹配方法对运动目标检测跟踪的方法。该方法针对目标的环境,利用高斯-拉普拉斯滤波器预处理,进而对相邻图像的差分图像获取和识别运动目标中心和区域大小,然后利用相关匹配算法并结合改进的十字搜索法对目标进行快速持续的检测跟踪。实验表明该方法是有效的。     

运动目标检测方法的对比分析和仿真实现

研究了目前运动目标检测常用的两种方法：三帧差分法及混合高斯模型背景差分法,并对两种运动目标检测方法作了简述,且辅以典型的视频运动目标检测实例,给出了两种方法的实验结果,指出其适用范围及优缺点     

基于SOPC的视频运动目标检测跟踪系统

文章是以Nios II处理器为中心的视频运动目标检测跟踪系统,通过CMOS图像传感器采集视频图像信息,采用帧间差分法检测运动目标,形心跟踪算法对目标进行跟踪,最后在VGA显示器上显示视频中运动物体。实验结果表明,该系统可达到运动目标检测跟踪的理想结果。     

一种受人脑三阶段记忆机制启发的鲁棒运动目标跟踪方法

目前大多数运动目标跟踪算法在目标姿态发生突变或目标被严重遮挡后会产生目标丢失现象,为解决此类问题,受人脑三阶段记忆信息处理机制的启发,本文提出一种三层旋转圆记忆模型（Spinning Tri-Layer-Circle Memory Modeling,STLC-MM）用于在目标跟踪过程中对目标模板进行更新.模型定义了三个旋转圆记忆空间用于存储和处理跟踪过程中用过的目标模板.三个圆记忆空间旋转时,记忆空间中的模板也随之以相同的速度旋转,同时模型通过模拟一些人类的认知行为,如,记忆、提取、遗忘等对模板进行更新.最后,为了验证所提方法有效性,本文将STLC-MM嵌入到粒子滤波目标跟踪框架进行目标跟踪实验.实验结果表明所提方法在目标姿态突变以及严重遮挡等方面具有较强的鲁棒性.