较大尺度运动下的人体特征点跟踪算法研究

利用光流法可以对视频中运动目标进行特征点跟踪,当目标存在较大尺度运动时,光流法图像一致性假设难以满足,导致特征点跟踪丢失。针对此问题,提出了一种基于Lucas-Kanade(L-K)金字塔光流算法的运动人体特征点跟踪方法。首先,利用帧间差分法得到帧差图像序列,获取行人的运动区域;然后用尺度不变特征变换（SIFT）算法检测选定初始帧中的特征点;最后运用L-K金字塔光流算法跟踪这些特征点在后续帧中的位置。实验结果表明,该算法对较大尺度运动的特征点跟踪有很好的效果,提高了跟踪的准确性。      

采用多重约束的无人机导航KLT视觉跟踪算法

特征点跟踪是实现无人机视觉里程计导航的重要技术。针对无人机视频图像帧间运动较大造成帧间的特征点跟踪误差大的问题,提出一种基于时间可逆性约束和双向偏移量约束相结合的多重约束KLT 特征点跟踪策略,并在金字塔表示下分层求解跟踪点的偏移量。基于时间可逆性约束,建立新的融合前向跟踪和后向跟踪的目标函数,解算前向跟踪偏移量和后向跟踪偏移量,并构造新的帧间偏移量-双向偏移量,在金字塔分层表示结构下实现偏移量的最优估计。实验结果表明,该方法能够有效地实现帧间特征点的精确跟踪,与同类跟踪算法相比有较好的效果。     

改进ORB-LK光流法的无人机速度估计

针对无人机无法在全球定位系统信号弱或拒止环境下实现自主导航的问题,提出一种基于改进的ORB-LK光流法的速度估计算法.首先,通过ORB算法提取目标物体上的特征点,经过LK光流法计算出图像光流速度;然后,采用前向后向匹配算法确定匹配点对,利用渐近一致采样算法剔除误匹配实现精匹配;最后,结合惯性测量元件测得的无人机旋转速度和声呐测得的高度计算出平移速度,为无人机自主导航提供速度信息.通过在Matlab中仿真实验证明,改进算法在公开图像数据集中的平均运算时间为0.622 s,满足无人机实时应用的条件,相较于原ORB-LK算法大幅提升了匹配正确率,能够准确地进行速度估计.     

基于融合改进RANSAC光流法的无人机视觉SLAM研究

针对同时定位与建图(SLAM)中存在定位精度不足、匹配特征点误差累积和特征匹配时间较长,提出了一种融合改进RANSAC光流法的优化算法。该方法基于传统RANSAC算法,加入最小二乘法对模型进行迭代优化来估计最优模型,对光流法的误匹配点进行剔除,大量减少图像误匹配特征点;把融合改进后的RANSAC光流法与特征点通过卡尔曼滤波进行融合,最后使用改进后的算法在公开的EuRoC MAV数据集中进行SLAM定位精度实验。实验结果表明：该改进算法能够有效减小光流法特征匹配的误差,从而提高无人机视觉SLAM的定位精度。     

基于双向稀疏光流融合的小目标检测方法

针对动态背景下的小目标检测问题,提出了基于双向稀疏光流融合的目标检测方法.首先采用FAST方法提取当前帧图像中的角点,然后在连续的三帧图像中进行前、后向稀疏光流跟踪,确定正确匹配的特征点对,利用匹配的特征点对计算用于背景补偿的帧间运动参数,最后在背景补偿的基础上进行三帧差分,以检测出图像中的运动小目标.实验结果显示,本算法能够很好地解决背景和目标同时快速运动的问题,为运动目标的跟踪奠定基础.     

基于LK和FAST的时间序列图像快速配准算法

LK光流算法是一种精确高效的特征跟踪算法,能够较大幅度提高图像配准的精度和速度。针对时间序列图像的配准问题,基于LK光流算法,通过基于图像金字塔的方式跟踪改进后的FAST特征角点,采用一种鲁棒的单应矩阵估计算法解算配准参数,提出了一种基于LK光流和改进FAST特征的实时鲁棒配准算法。通过一组时间序列图像从配准精度和配准速度两个方面对所提出算法的性能进行了验证分析,平均重投影误差为0.16,平均处理速度为30 Hz。实验结果表明,该算法能够提取稳定的FAST角点,快速准确地跟踪匹配序列图像之间的特征,较好地解决时间序列图像的实时配准问题。     

无人机视觉导航算法

为保证无人机着陆精度和安全性,提出了一种无人机自主着陆视觉导航位姿解算方法。首先对机载相机进行标定,获取相机参数;然后综合考虑地标形状和尺寸、地标角点几何分布和角点数量对位姿估计精度的影响,设计了T型着陆地标形状和尺寸参数,将地标轮廓提取和角点检测算法相结合,得到几何分布好、数量适中的8个角点用于位姿解算,保证了位姿解算精度;为减少LK （Lucas-Kanade）光流法稳定跟踪地标的处理时间,直接将提取的这8个角点作为LK光流法检测和跟踪的输入,保证了算法实时性;最后利用三维空间到二维像平面投影关系对飞行位姿参数进行实时解算。实验结果表明:算法具有较高估计精度,算法平均周期为76.756 ms （约13帧/s）,在速度较低的着陆阶段基本满足自主着陆视觉导航的实时性要求。     

TOF激光相机六自由度位姿变换估计

相对位姿估计是机器人视觉领域的研究热点。通过两帧数据来估计相机的六自由度位姿变换。充分挖掘TOF相机优势, 提出了多个有效算法, 用以保证估计精度。采用迭代最近点(ICP)算法估计位姿变换, 为了克服ICP算法迭代发散问题, 利用尺度不变特征点对估计初始值。为了提取有效特征点, 根据统计学原理尺度化灰度图像, 提高图像对比度。为了提高相机的测量精度, 根据曝光时间越长, 测量精度越高的原理, 提出了融合多帧数据算法, 使得融合后的数据帧中每个像素值均是在最长合理曝光时间下采集得到。同时提出了度量两个六自由度位姿变换差异的算法, 并首次利用其跟踪ICP迭代过程。实验证明提出的算法可以有效估计相机六自由度位姿变换。     

基于时序时空双流卷积的异常行为识别

针对地铁站特定场合下,人体异常行为识别无法有效利用帧间运动时间维度信息,导致人体异常行为识别准确率不高的问题,提出一种深层次残差长短期双流网络结构。将RGB帧和连续光流帧作为双流网络的输入,分别利用ResNet34提取低层特征信息,空间流网络提取运动外观特征信息,时间流网络提取光流运动信息,然后将特征信息输入长短期记忆（LSTM）网络,有效学习空间外观和光流运动的帧间关联时间信息,并且通过多种加权融合策略加强模型识别效果。最后在地铁站异常行为数据集上验证提出的网络结构,并与原双流网络进行对比,改进后的网络识别准确率提高了4.7%,融合后的模型准确率提高了12.9%。实验结果表明,所提方法能够充分利用时间维度信息,可有效提高异常行为识别准确率,在昏暗环境下仍有较好的识别效果。     

二维图像序列直线的提取及跟踪匹配研究

在基于直线光流场的三雏重建研究中首先要对连续多帧单目图像序列进行处理,主要是二维图像直线的提取、跟踪及匹配.在此利用改进的Hough变换对图像进行直线提取,利用Hough变换的点线对偶性,即可将对图像序列中的特征直线的跟踪与匹配问题转化为在参数空间(ρ,θ)中对特征点运动轨迹的参数估计,可以采用卡尔曼滤波器对运动目标进行初步跟踪,预测其大致位置,再通过建立模板与图像的匹配相关系数判定搜索到的特征点的精确坐标.实验结果表明,该方法取得了较好的实验结果.     

基于粒子滤波的视频图像目标遮挡算法研究

基于粒子滤波的视频图像目标遮挡算法是当前的一个热门研究领域.在对于视频图像目标跟踪方面,综合运用了多种算法进行检测和跟踪,详细分析光流法、帧间差分法、背景差分法和视频图像目标特征的提取,并在最后对帧间差分的算法进行了改进.通过实验证明,采用基于粒子滤波的视频图像目标遮挡算法能够更加有效地解决对跟踪目标的准确判断.     

基于KLT特征点的LK光流金字塔FPGA实现

提出了一种基于KLT特征点的LK光流金字塔的FPGA实现方法,用于解决目标检测与跟踪系统中图像匹配实时性差、鲁棒性低及资源开销大等问题。在FPGA端,首先利用优化的KLT算法提取图像的特征信息;再结合图像金字塔,通过优化的LK光流金字塔算法估计特征点的总光流;最终将FPGA处理结果与MATLAB仿真进行对比分析。实验结果表明,该优化的方法在硬件实现中是合理有效的,不仅降低了算法实现的难度及资源开销,同时可满足图像匹配精度及实时性的要求。     

基于序列蒙特卡罗滤波的车辆跟踪算法研究

针对非线性目标跟踪中模型或函数近似等最优估计缺陷问题,提出了基于帧间预测和特征匹配的序列蒙特卡罗滤波跟踪算法。算法中采用在HSV色彩下的空间加权直方图描述跟踪车辆的状态特征,通过简单的随机漂移模型实现估测样本的帧间传递,利用估测样本与期望目标间的相似度量完成样本权重赋值运算,最终利用加权样本值估计实现待测目标的后验状态。实验结果表明,基于序列蒙特卡罗滤波的车辆跟踪算法计算简单有效,能够在复杂环境下实时、准确跟踪道路上无规律、非线性运动的车辆,并能够有效适应车辆部分遮挡和短时丢失等情况。     

基于SURF的红外成像末制导目标跟踪算法

针对红外成像末导引阶段飞行器姿态调整及高速运动导致的目标尺度和姿态迅速变化的问题,提出了一种基于加速鲁棒特征(SURF)的红外成像目标跟踪算法。为了实现在末导引阶段对目标进行精确跟踪,采取了点跟踪的策略。首先根据跟踪点在上一帧的位置,在当前帧选取以相同位置为中心的图像子块并求其SURF特征,通过SURF特征匹配得到当前帧图像子块和模板的匹配点集,采用随机抽样一致性(RANSAC)算法剔除误匹配点对,进一步用最小二乘算法(LSA)精确地估计出对应的单应性矩阵;然后通过单应性矩阵把跟踪点映射到当前帧获取跟踪点在当前帧的位置,从而实现精确跟踪。试验结果表明,本文算法有较高的跟踪精度和较好的实时性。     

基于改进的Camshift运动目标跟踪算法的研究

针对基于颜色概率分布的连续自适应均值漂移算法(Camshift)跟踪算法在背景中出现相同颜色干扰时容易致使跟踪目标失败的问题,提出了一种改进的Camshift跟踪算法。首先对Camshift跟踪目标前进行目标检测,通过帧差法、光流法、背景差分法三种检测算法对比,采用背景差分法得到的运动目标区域矩形特征参数作为Camshift的初始化参数,取代一般Camshift算法利用颜色特征的跟踪。最后对改进的算法和一般Camshift进行仿真对比实验。实验结果表明,结合背景差分法和连续Camshift算法的运动目标跟踪在一定程度上满足了实时性与稳定性的要求。     

基于光流估计的整帧恢复算法

探讨了在无线环境中可能出现的整帧丢失情况，并利用光流估计的思想，提出了一种有效的双向估计恢复算法。实验结果证明，提出的改进优化算法能较好地提高恢复图像性能，并具有一定的实用价值。     

基于改进Camshift算法的NAO机器人目标跟踪

针对Camshift算法应用于NAO机器人目标跟踪过程中,当目标受到相似颜色背景干扰或被物体遮挡时跟踪失败的问题,提出一种基于ORB特征检测和Kalman滤波多算法结合的目标跟踪方法。首先检测目标ORB特征点初始化搜索窗口,然后利用Kalman滤波作为目标运动状态的预测机制,以预测的位置初始化Camshift算法。利用Bhattacharyya距离判断跟踪窗口的收敛性,若受到背景干扰,则利用ORB算法对当前帧中的Kalman预测区域和目标模型进行特征点匹配,重新检测目标在视频帧中的位置。根据Kalman滤波预测目标被物体遮挡后可能的位置来更新预测器参数。实验结果表明,改进的算法能够在相似颜色背景干扰和目标遮挡的复杂环境下,连续稳定地跟踪运动目标。     

基于核相关滤波器的无人机目标跟踪算法

多旋翼无人机已经广泛应用于各个领域,视觉目标跟踪算法对于无人机的应用具有十分重要的意义。无人机平台下的视觉目标跟踪对跟踪算法提出了很高的要求,要求在满足实时性的前提下能够在复杂场景下准确地检测跟踪目标。针对传统的核化相关滤波器跟踪算法缺乏尺度估计以及抗遮挡能力不强的问题,提出了一种改进的核化相关滤波器的目标跟踪算法。利用位置估计滤波器得到目标位置,然后采用基于颜色空间直方图的相似性度量算法得到尺度估计结果,构建小型样本库并采取自适应阈值的样本更新策略进行样本更新。提出的算法在公共数据集和无人机实拍数据集下的实验结果显示,该算法能够快速准确地跟踪目标,并且在显著遮挡和尺度变化等复杂情况下也具有较好的跟踪效果。     

一种抗信息丢失的稳像系统

针对二维电子稳像补偿全局运动矢量后会出现大量 的空白区域,提出了一种不需要采用单应性模型明确估计全局运动矢量的快速平滑特征轨迹 的稳像算法。首先,采用改进的快速鲁棒特征(SURF)提取图像局部特征点;然后,利用空间 运动的 一致性连接帧与帧之间匹配的特征点得到特征点轨迹;最后,建立同时考虑特征轨迹的平滑 度和视频质量退化程度的目标函 数平滑特征点轨迹,得到稳定的视频。实验结果表明,用本文方法稳定的视频比Matsushita 方法处理后的视频丢失的区域减小 了30%左右,更满足人眼感官需求,减轻了费时的运动修复任务;同时 消除了运动估计中帧间匹配的累积误差,对前景存在较大局部运动的视频仍能表现较好的稳 像效果。     

基于角点检测的光流目标跟踪算法

为了解决传统目标跟踪算法在目标发生旋转、变形等情况下容易丢失的缺陷,提出了首先使用Harris角点算法提取几个目标角点特征,光流法进行匹配点配准,最后采用重心算法确定目标脱靶量的跟踪方法.利用了角点提取算法具有运算速度快且能代表目标形状特征的特点以及光流配准具有匹配精度高的优点.实验结果表明,该方法具有较高的跟踪精度,对于目标旋转、变形、遮挡都具有很高的鲁棒性.