基于多阶段关联的多目标跟踪算法

针对现有多目标跟踪算法关联过程中,外观和几何信息利用不充分,同时跟踪对象的邻域间信息交互不足的问题,提出了一种基于多阶段关联的多目标跟踪算法,根据目标之间的不同关联状态,将几何信息和外观信息合理应用于不同关联阶段。算法提出了基于正则化距离交并比(DIoU-Mea)的匹配模块,仅利用几何信息快速将强关联目标匹配。同时基于稀疏图网络(GNN)的关联模块对跟踪对象的邻域建模,促进对象之间的信息交换并提高跟踪精度。基于通道注意力融合特征模型和形状交并比的双校验模块(Double-Revise)进一步细化跟踪结果。所提算法利用不同阶段匹配算法的互补优势,在各阶段合理利用外观和几何信息,过滤掉错误的匹配并识别正确的目标对应关系,在MOT17数据集上进行了验证与测试,其高阶跟踪精度(HOTA)在测试集中达到了64.8%,表明算法具有较好的性能,在密集场景下具有较好的鲁棒性。     

复杂场景中相关滤波跟踪算法的优化

相关滤波跟踪器近几年在许多视觉跟踪任务中都取得了优异的性能,显示出了较高的精度和帧率。但限制其跟踪性能的问题仍有很多,例如图像表征方式单一,传统尺度估计的方式计算复杂度高,对快速运动、背景杂乱等复杂场景跟踪效果不佳。针对这些问题,提出了一个跟踪框架来分别估计目标位置和尺度的变化,通过相关滤波和颜色直方图模型相结合的方式评估目标位置,再从最可信帧中训练核尺度相关器来预测目标的尺度变化。同时,对模型采用保守的方式进行自适应在线更新,以防止误差累加破坏模型。在跟踪数据集（OTB-2015）中该算法在运动模糊、尺度变化、背景杂乱、快速运动等挑战性场景中表现出良好的优越性。     

多目标跟踪算法在水质监测中的应用

针对活鱼水质监测系统中的活鱼跟踪中存在的问题,提出了一种基于视频的多目标跟踪算法,通过采用一种基于统计模型的背景建模方法得到了实验鱼缸的初始背景,并在活鱼目标检测跟踪过程中实时更新背景,在此基础上采用背景相减法和自适应图像二值化实现了活鱼运动目标的提取,并用连通区域分析提取活鱼的大小、质心等特征值,最后将卡尔曼预测器应用于基于运动特征的跟踪技术中,实现了活鱼的轨迹跟踪,提取到了活鱼的运动轨迹,最终达到了为后续的水质预警提供了可靠的轨迹数据的目的,所跟踪得到的活鱼运动轨迹数据是监测系统水质预警的重要基础。研究结果表明,该算法符合系统的实时性和准确性要求,能实现活鱼运动轨迹的准确快速跟踪。     

基于实时多目标跟踪的足球机器人视觉系统设计

本文针对机器人足球比赛的需要，提出了一种基于实时多目标跟踪的足球机器人视觉系统设计方案。     

基于实时多目标跟踪的足球机器人视觉系统设计

针对机器人足球比赛的需要,提出了一种基于实时多目标跟踪的足球机器人视觉系统设计方案。     

基于FCM聚类的粒子滤波多目标跟踪算法

针对多目标跟踪中相似目标的发散问题和跟踪核函数窗宽固定的缺陷,提出一种基于FCM(fuzzy C-means)聚类的粒子滤波算法.该算法结合经典粒子滤波理论,使用可变椭圆作为粒子区域,在粒子滤波的重要性重采样后,通过Mean-Shift算法获得每个目标的聚类中心,使用FCM聚类算法完成粒子聚类,获得相应目标的粒子子群,最后通过粒子子群估计各目标的最终状态并修正核窗口宽度.实验表明,与传统粒子滤波算法相比,该算法解决了传统粒子滤波的发散问题,减少了粒子数量,能够准确地对多目标进行跟踪,具有很好的鲁棒性和实时性.     

基于薄板样条函数的无人机多目标跟踪算法

针对无人机单机载相机运动下的多目标跟踪存在目标位置漂移和状态预测失效等问题,提出了一种基于薄板样条函数的无人机多目标跟踪方法.利用空间变换函数刻画无人机运动,构建无人机运动下的目标状态空间模型,利用外观特征初始化轨迹与量测对应关系,根据初始对应关系并计算薄板样条函数的最小二乘解求解出模型未知参数,进而根据模型预测轨迹运...     

复杂场景中航天器靶标的快速识别

基于靶标的几何特征提出了一种快速识别算法来解决目前航天器靶标识别存在的问题。设计了一款带有线段与圆环图案的合作靶标。利用高斯滤波去除图像中的噪声,运用Canny检测算子得到边缘图像,并跟踪得到单像素边缘序列。然后,通过判断非共线四点是否共圆排除大部分不可能构成圆的边缘,利用同一圆周的两段子弧对应相同圆心和半径的几何特征实现圆检测。最后根据靶标圆与线段的几何关系排除干扰,实现靶标的准确识别。实验结果表明,该靶标识别算法对噪声、光照、旋转等不敏感,能够在多种复杂场景中快速、准确地识别靶标,处理时间小于125ms,满足实时位姿测量8帧的需要。目前,该算法已经成功应用于工程样机。     

采用改进辅助粒子滤波的红外多目标跟踪

结合改进的辅助粒子滤波与马尔科夫随机场,提出一种多目标跟踪算法来跟踪红外场景中的多个目标.依据目标区域的灰度直方图描述目标,使用标准辅助粒子滤波对各目标的采样粒子集进行粗略优化,同时在辅助粒子采样过程中引入Mean-shift算法来提高粒子采样效率,解决多目标跟踪时粒子数量呈指数级增长的问题,并进一步提高算法的实时性.针对多目标跟踪常出现的目标遮挡导致跟踪失败的问题,引入图模型理论,利用马尔科夫随机场来表示多目标跟踪模型,将多目标的跟踪问题转换为图模型的推理问题.实验结果表明,该跟踪算法使用较少粒子便能实现跟踪,跟踪正确率达84％,且能有效解决多目标跟踪时的相互遮挡问题.     

基于自适应标签和稀疏学习相关滤波的红外目标跟踪算法研究

针对背景杂乱、遮挡、热交叉以及目标形变等复杂跟踪场景下目标跟踪算法出现性能严重退化问题,提出一种基于自适应标签和稀疏学习相关滤波的实时红外单目标跟踪算法。 首先,根据目标响应情况自适应地构造样本标签,通过自适应标签训练提升相关滤波器的分类能力,抑制干扰区域对跟踪模型的污染。 其次,加入稀疏学习策略,通过目标响应 L1 范数抑制复杂跟踪场景下目标响应多峰分布,提高跟踪算法的鲁棒性;与基线算法相比,该算法精度和 AUC 分别提升了 19. 3% 和 39. 8% 。 在数据集 GTOT、RGBT234 和 VOT-2016TIR 上的实验结果表明,该算法对上述复杂跟踪场景具有良好的应对能力,运行速度超过35 fps,综合性能优于对比跟踪算法。     

一种改进的均值移位红外目标跟踪算法

为了增强复杂背景条件下红外目标跟踪的稳健性,提出了一种改进的均值移位目标跟踪算法。该算法融合了均值移位的梯度匹配搜索策略的优势与基于特征分类跟踪算法强鲁棒性的优点,建立了灰度似然比加权的核直方图目标表征模型。模型中加入了目标与局部背景灰度特征的似然比作为原始核直方图的权值,应用该模型的均值移位算法能够进一步提高目标像素灰度的移位权重,有效抑制背景干扰,进而提高低对比度目标跟踪的稳健性。同时,基于跟踪复杂度估计提出了目标遮挡情况下的模型更新判别准则,提高了算法的自适应性能。实测红外目标跟踪实验表明了该算法简单、有效。     

用于机械系统瞬时目标的双视角高速视觉检测系统

基于高速相机研发了双视角高速视觉检测系统。该系统可从不同角度对周期机械运动进行长时间、无接触的同步实时检测,并可自动判断和存储异常动作的瞬时高帧率视频图像。基于机械系统运动特性提取理论,提出了多视角高帧率视频图像的离线处理算法,利用两个高速相机准确建立了样本图像数据库及它们的对应关系。提出了多视角同步实时检测算法,完成了对目标的实时视觉检测,并实现了瞬时保存关键图像的功能。为验证算法的有效性和系统的稳定性,搭建了双视角高速视觉检测系统,对真实的机械系统进行了实验。结果显示,提出的系统实现了500fps的双目高速相机同步检测,以及0.1s内运动目标的自动判断,同时完成了对关键图像的瞬时保存。文中的研究为机械系统的非接触检测提供了一种高速可视化的检测方法。     

采用PSR和客观相似性的高置信度跟踪

针对相关滤波类跟踪算法难以解决的过度形变和目标被遮挡问题,提出了一种融合改进均方峰值旁瓣和客观相似性度量的高置信度跟踪算法-HCF。基于核相关滤波跟踪算法,结合传统相关运算的峰值旁瓣比与感知哈希算法客观度量所跟目标,对遮挡和形变等复杂情况进行高置信度判断,进而自适应的选择模型更新率,克服模型漂移问题;另外,利用尺度池算法解决跟踪中的尺度估计问题,进一步提高了算法的稳健性。通过OTB-2015数据集测试表明:提出的HCF算法能精准判别出由于遮挡形变等情况导致的无效跟踪,相比于当前主流的鲁棒性跟踪算法,具有更优秀的性能和表现。本文的创新工作为跟踪领域中的目标准确度判别问题提供了新的思路。     

一种鲁棒的基于改进Mean-shift的目标跟踪算法

为了克服传统Mean-shift算法在跟踪运动目标时由于背景像素造成的定位偏差和由于遮挡造成的跟踪失效,提出了两点改进措施。第一,根据初始帧目标和背景在颜色分布上的差异,建立对数似然图(log-likelihood image),筛选出目标中与背景可区分性好的颜色特征建立目标模型,并以同样的方法在后续帧建立候选模型。第二,将候选区域划分为若干重叠的子块,分别利用Mean-shift算法对各个子块进行迭代,以与目标区域相应子块最为匹配的子块的所在位置对整个目标重新定位,该方法很好地实现了目标部分遮挡情况下的稳定跟踪;严重遮挡时,采用简单的线性预测,估计下一帧目标可能出现的位置。实验结果表明：改进算法可以准确的进行目标跟踪,对部分遮挡和严重遮挡都有较强的鲁棒性。     

基于颜色特征传递的多摄像头无重叠区域运动目标跟踪

针对多摄像头无重叠区域目标监控时,同一目标在不同摄像头中易出现色差而导致目标颜色特征匹配失败的问题,研究了多项式转换法、基于统计特征的颜色转换法和自适应颜色转换法.在这些方法的基础上,结合视频监控的具体应用要求,提出了将基于统计特征的颜色转换法应用在多摄像头运动目标跟踪中的具体改进方法.实验结果表明,该方法对于多摄像头无重叠区域下运动目标跟踪效果良好.     

改进的均值移位红外目标跟踪

提出了一种改进的均值移位红外目标跟踪算法,该算法融合了基于均值移位的梯度匹配搜索策略与基于特征分类的跟踪算法。以目标与局部背景灰度特征的似然比作为目标区域核直方图的权值,建立了改进的目标表征模型。以Bhattacharyya系数作为相似性度量,在均值移位框架下推导了应用该目标模型下移位向量的表达形式。同时,提出了基于跟踪复杂度估计的目标遮挡情况下的模型更新判别准则。实验结果表明,该算法能够提高目标像素灰度的移位权重,抑制背景干扰,对于低对比度红外目标的跟踪具有稳健的性能,在正确跟踪情况下平均Bhattacharyya系数保持在0.97以上。     

一种抗遮挡的运动目标跟踪算法

提出了一种基于彩色特征的抗遮挡目标跟踪算法。利用mean shift递推寻找当前帧目标的位置,并通过Kalman滤波估计目标状态。选用对目标部分遮挡具有鲁棒性的加权量化彩色直方图作为目标特征的概率分布,用Bhattacharyya系数作为特征相似性度量。提出一种目标遮挡因子,作为目标被遮挡程度的判断根据。当目标严重遮挡后,观测位置不再满足Kalman滤波的条件,采用目标状态量外推取代Kalman状态更新来预测目标当前的位置。实验结果表明,此方法对于部分遮挡以及全遮挡有较好的鲁棒性。