基于边缘特征的运动目标提取与跟踪

运用聚类准则，提出了一种获取二值边缘图的自动门限法，研究了序列图像中目标跟踪窗的自适应调整，并在此基础上进行了复杂背景中运动目标匹配跟踪试验。试验结果表明，本方法提高了复杂背景中运动目标跟踪的能力，可作为常规跟踪方法的补充，以达到稳定跟踪。     

基于图像处理的刀具边缘轮廓提取

本文介绍了利用图像处理技术提取刀具边缘轮廓的方法。主要包括图像的采集、预处理、二值化、边缘检测及轮廓提取等。讨论和比较了几种常用的边缘检测算法。通过实例验证,本方案有良好的抗噪声性能,能准确提取刀具边缘轮廓。     

数字图像的一种轮廓跟踪算法

给出了一种数字图像跟踪算法,利用边缘像点的方向信息,在扇形区中进行扫描,从而得到一条完整的、边缘点彼此有机连接的轮廓曲线。方法简便易行并便于对得到的轮廓曲线做其他后继计算机处理。     

基于DSP的运动目标识别与跟踪的系统设计

分析了目前可视跟踪系统中存在的主要问题及DSP与主控计算机之间的数据传输效率 ,提出了符合实时处理要求的可视跟踪系统结构、图像滤波和图像分割的方法 ,经在计算机上模拟表明 ,该方法效率高 ,效果好 ,完全能符合实时要求     

一种基于纹理图像的目标提取方法

提出了一种基于纹理图像的目标提取方法。该方法基于随机掩膜来进行目标边缘的提取，目的是检测蕴藏在纹理中的目标。结果表明：提出的方法能够检测到隐藏在纹理中的目标，具有较好的效果。     

一种启发式的自适应图像边缘检测方法

在生物学和医学研究中,经常需要对细胞的形状进行识别,这首先要对细胞的边缘进行检测,通常采用计算机图像处理技术,通过分析图像边缘检测的经典算法,本文提出一种适用性较强的启发式图像检测方法,得到了较理想的处理效果。     

一种有效的图像边缘修正方法

在实验的基础上,从视觉心理学出发,对边缘检测结果中的不理想情况进行分析和归纳,提出适合于边缘修正处理的链表型数据结构,并说明了边缘图像映射到数据结构中去的过程.根据目标域的线性、平行及封闭约束和图像边缘的长度约束以及边缘出错类型,形成修正规则与算法.最后给出了修正处理的实验结果.     

二值图像边缘跟踪算法及其在掌纹识别中的应用

提出了一种具有抗噪性能的二值图像边缘跟踪算法,并将其应用在掌纹识别中．实验表明：新算法与传统算法相比,能够快速准确地检测出二值图像的整个边缘,同时能够较好地去除图像中的噪声和毛刺．     

一种适合于边缘计算框架的改进型动目标跟踪方法

随着5G通信和物联网大数据技术的高速发展,传统的云计算模式已经越来越跟不上数据的增长速度了,边缘计算作为一种新的计算模式,表现出了很强的处理大数据和高速计算的能力.本文在“智能交通仿真系统”课题中,提出了一种适合于视频图像处理的边缘计算框架,并对传统的动目标跟踪算法进行了两点改进：（1） 采用树莓派作为视频前端处理器,具有体积小,成本低,计算能力强的特点,适合边缘计算;（2） 针对跟踪阶段需要采集大量样本,计算量大的缺点,采用了一种较小步长作为滑动窗的分步式图像采样方法对原压缩跟踪算法进行改进,从而减少了计算量.计算机仿真实验的结果证实了该算法在基本不影响跟踪精度的情况下提高了运算速度.     

一种海面目标定位跟踪方法

针对海面可疑目标定位跟踪问题,提出在海面部署无线传感器网络。通过已知节点与未知节点之间的位置关系,估计出未知节点的位置坐标;建立跟踪质点与目标的误差系统方程,考虑网络延时,分为理想和有海浪干扰两种情况:理想情况下,给出系统渐近稳定的条件,并通过定义李雅普诺夫函数和Schur定理进行证明,求解线性矩阵不等式,得到控制器,使系统渐近稳定;当系统存在海浪干扰时,给出H∞控制的条件,并证明此条件下,控制器可使系统渐近稳定,由此实现对目标的跟踪。数值仿真验证了所设计定位跟踪方法的有效性。     

感兴趣区域中的快速人脸区域分割与跟踪方法

为解决人脸区域分割和跟踪的方法在速度和精度上存在的问题,提出了同时使用前景提取与肤色检测的视频监控中感兴趣区域的提取方法,以及在此基础上使用水平集方法的人脸分割和跟踪方法.在大幅度缩小AdaBoost人脸检测方法的搜索区域的同时,能够避免传统水平集方法解偏微分方程的高计算复杂度,并且在脸部朝向变化的时候保持鲁棒性.应用到PTZ摄像系统中实现视频监控系统,能够随着人脸的移动改变摄像机视角,从而在较大的区域中连续跟踪人脸.实验表明在鲁棒性和实时性上均有提高.     

迭代无味卡尔曼滤波的目标跟踪算法

针对目标跟踪迭代无味卡尔曼滤波(IUKF)算法中跟踪精度较差的问题,提出一种基于状态扩展技术的改进迭代无味卡尔曼滤波(IIUKF)算法.新算法首先将观测噪声扩展进状态,构造关于扩展状态的零噪声观测方程,然后在观测迭代过程中将最新的扩展状态后验估计代入更新公式,进行观测迭代更新.相比IUKF算法,IIUKF算法不仅形式上更为简洁,而且避免了IUKF算法中先验估计和观测噪声非统计正交的问题,滤波精度更高.数值仿真表明,IIUKF算法的跟踪误差比IUKF算法减小了20%以上.     

A Fast Moving Target Detection Tracking and Trajectory Prediction System for Binocular Vision

Aiming at achieving complex moving targets perception, this paper designs a novel fusion-information detection and tracking system for moving targets. The system includes three modules: target detection, target tracking and trajectory prediction. The target detection module can detect fast moving objects which can be used as a template. The target tracking module tracks the object and records its historical position. Finally, the trajectory prediction module can predict the trajectory of the moving object based on the historical position. After verification by the table tennis detection tracking and prediction binocular vision system, the system has high accuracy and speed in detection and tracking, and can basically meet the actual application needs.     

一种基于多相关滤波器组合的目标跟踪方法

针对复杂跟踪环境条件下目标的跟踪失败问题,提出一种基于多相关滤波器组合的目标跟踪方法.首先2个分别采用颜色属性(Color Name,CN)特征和方向梯度直方图(Histogram of Oriented Gradient,HOG)特征的核相关滤波器(Kernelized Correlation Filter,KCF)通过自适应融合手段进行响应图信息融合,确定目标的预测位置;然后通过以目标区域为基础进行多尺度采样,提取CN-HOG拼接特征构建尺度相关滤波器,得到目标的最佳尺度;最后设计了模型的自适应更新策略,通过判断目标是否发生遮挡来决定是否在当前帧进行模型更新.在50组视频序列上对所提算法与6种当前主流的相关滤波跟踪算法进行了实验.实验结果表明,在复杂的跟踪环境条件下,所提算法取得了最好的跟踪精度和成功率,能够有效处理目标遮挡和尺度变化等问题,且具有较快的跟踪速度.     

一种运动背景下目标快速定位方法

针对运动背景下目标检测算法计算量大,难以实现实时跟踪的问题,提出了一种目标快速定位方法.该方法采用图像配准补偿背景运动量,由多帧图像差分消除背景图像获得目标图像,通过自适应阈值对目标图像二值化,用形态学处理消除噪声斑点,最后通过连通区域像素个数统计判决,进一步去除伪目标,最终定位目标区域.试验结果表明该方法能在2-6 ms内准确定位平移运动背景下的目标.     

对一种常速率目标跟踪方法的性能分析

基于运动约束的引入对系统随机可观测性影响的分析,给出滤波器稳定的充分条件和性能改善的一种度量. 针对运动约束与运动方程构成的系统,利用特征值分析方法给出了其信息矩阵的上下界限. 证明了引入运动约束之后系统保持其一致完全可观测和一致完全可控制性,从而给出了滤波器稳定的充分条件. 利用状态变量估计误差方差的减小量度量了引入运动约束之后性能改善的程度. 通过Monte Carlo仿真验证了上述理论分析的正确性.     

一种MPEG快速搜索算法

研究了MPEG中P帧与B帧的编程过程，对其中运动向量提取的搜索算法进行了分析。提出了一种既能保证质量，计算量也不是太大的快速搜索算法，经编程实现，效果较好，有实际应用价值。     

一种基于压缩感知的高精度目标跟踪算法

为解决传统单目标跟踪方法精度低、稳定性差的问题,通过压缩感知的方法研究了扩展卡尔曼滤波,提出了一种基于压缩感知的扩展卡尔曼滤波算法。该算法基于压缩感知理论、采用阵列进行视场范围内的位置跟踪,即多传感器单目标跟踪。结果表明：在信噪比较低时该方法对目标跟踪的精度较高,并且对角度的估计使用的快拍数更少,降低了计算复杂度;并且所提算法在精确度和稳定性方面对目标的跟踪效果都要比传统算法好。