电视跟踪系统中运动目标的精确提取与快速跟踪

为了使电视跟踪系统在自动作业时能够抵抗外界干扰,提出了一种基于二级精度的运动目标精确提取和快速跟踪方法。该方法采用二次帧差法与四分图像的双波门法对视频图像进行处理,自动获取运动目标的初始模板,然后根据轨迹预测算子对目标进行自适应特征匹配实现有效跟踪。在某电视跟踪系统中应用该算法进行低空飞行目标跟踪实验,取得了良好的跟踪效果。实验结果表明,该方法不仅满足目标跟踪的实时性,而且能够有效提高目标识别的准确率。     

视频图像序列中运动目标的提取与跟踪

提出一种摄像机静止条件下视频图像运动目标提取与跟踪的方法。本文首先提出了一种有效的阴影去除算法检测运动目标,然后采用基于目标颜色直方图的相关匹配,使用Bhattacharyya系数度量目标模型与预测模型间的相似度,选出最优相似模型作为当前的目标模型,实现了对目标的跟踪。实验结果表明该算法是可行有效的。     

视频图像序列中人体目标的提取与跟踪

针对人体目标运动的非刚体性而难以跟踪问题,提出了一种基于视频图像的人体跟踪方法。首先获取人体目标,选取目标若干子区域作为跟踪模板,用Kalman滤波和最小差值法作为相似性测度的相关跟踪对各子区域进行精确定位,最后将各个子区域跟踪结果进行位置融合得到最终的人体目标位置。实验表明,该方法对人体目标细节性形变和大的形变均能进行有效跟踪。     

电视跟踪系统中图像目标的预测跟踪算法研究

基于目标图像信息,研究了在短暂遮挡情况下,应用最小二乘法的Ｎ点线性及平方预测跟踪算法,并分析了跟踪预测值在正常跟踪条件下的作用。将提出的方法用于实际系统,效果较好。     

多目标快速跟踪系统

本文提出了从系统观点设计多目标快速跟踪系统的方法.它主要包括系统最优结构设计、基于知识工程技术的真假目标分类以及变结构自校正跟踪滤波器.系统实验结果表明,这种方法可提高系统精度和快速性.     

高分辨率遥感图像中机场目标的并行快速提取

针对高分辨遥感图像机场目标检测存在漏检和误检,鲁棒性低,且处理多幅图片速度慢的特点,提出一种基于批量化并行处理模式的遥感图像机场目标提取方法。利用模糊增强方法对图像进行预处理,利用基于像素梯度和方差信息的模糊边缘检测算法对图像进行边缘检测,从中筛选出长直线,利用Hough变换提取其中平行的直线作为机场跑道特征。在得到的特征点中选取种子点进行区域生长,从而提取出完整的机场目标。利用MPI多进程并行处理的编程方法来实现对多幅图片中机场目标的批量化并行快速提取。实验结果表明该算法具有很好的鲁棒性,能准确地检测并提取出完整的机场目标,能够大幅度提高程序处理多幅图片的速度。     

基于图像的目标自动跟踪系统

快速准确地跟踪目标是现代战争精确制导武器的基本要求,提高跟踪系统的实时性和准确性成为国内外目标跟踪技术的热点。建立了一套基于图像的目标自动跟踪系统,介绍了系统组成、设计原理以及算法原理。系统采用了一种非参数化跟踪算法——连续自适应平均值迁移（CAMSHIFT）算法来追踪目标,为精确制导武器的基于图像的目标自动跟踪技术奠定了重要的基础。试验证明该系统实现了目标自动跟踪功能,算法简洁,实时性和鲁棒性好。     

基于声图像序列的快速目标跟踪算法

针对声图像具有对比度低、不同时刻目标回波变化大等特点,提出了一种基于卡尔曼滤波和数据关联算法的快速目标跟踪算法.该算法首先对声图像序列进行高斯平滑和自适应阈值分割处理,在此基础上建立卡尔曼滤波目标跟踪模型和数据关联目标匹配算法,分析计算了可跟踪的目标速度上限值.仿真结果表明,该算法可较准确地实现目标跟踪,允许的目标速度可满足实际应用的需要.同传统文献算法相比,该算法具有实时性好、鲁棒性强,能更好地适应目标分裂或合并等情形.     

空间目标成像跟踪系统中图像分割算法的研究

图像分割是成像跟踪算法中极为关键的一步,其结果的准确性与稳定性直接影响整个跟踪系统的性能。从分析空间目标图像的特点入手,在目标大小的不同阶段,选用不同的分割算法,并结合任务特点对算法参数进行了优化。试验结果表明,该文的设计满足任务需求,结果准确且具有很好的鲁棒性。     

声纳图像中目标自动跟踪的实现

介绍在不知道目标形状信息的情况下构造模板的方法,分别以互相关系数和绝对误差作为相似性指标进行模板匹配,实现了声纳图像中特有的一种目标跟踪过程。文中对二种方法的效果进行了比较。     

机载跟踪器的逃逸目标图像快速识别模型仿真

机载跟踪器进行逃逸目标识别跟踪的过程中,目标往往是高速移动的,为了逃逸跟踪,运动的速度和方向具有较大的突变性,与跟踪器之间会形成较大的跟踪距离差.传统的视觉方法为了弥补这种距离差,通过减少采集图像的样本,以提高跟踪的准确性,但是一旦样本数量过少,将会导致识别跟踪的准确性降低.提出基于高斯分布的动态逃逸目标识别跟踪方法.对跟踪目标图像进行归一化处理,获取与数据库中的样本图像具有同样的尺寸和分辨率的图像.计算动态目标图像的形心,根据高斯分布原理建立动态目标的识别跟踪模型,并对模型中的相关参数进行及时更新,保证了动态目标识别跟踪的及时性和准确性.实验结果表明,利用改进算法能够有效提高动态目标识别跟踪的准确性,缩短了识别跟踪的时间.     

一种嵌入式实时图像跟踪系统设计

该文提出了一套可用于快速视觉信息处理的实时目标跟踪嵌入式视觉系统。系统的硬件设计采用了基于DSP和现场可编程逻辑器件(FPGA)的双处理器结构和基于CMOS的图像采集。软件采用了适于流水线运算的块匹配算法,实现了对目标的快速定位和实时跟踪。     

Fast Hair and Head Tracking System Using 3D Image Sensor

In this paper, we propose a system that can detect and track hair regions of heads automatically and runs at video-rate （30 frames per-second） by making use of both the color and the depth information obtained from a Kinect. Our system has three characteristics： （1） Using a 6D feature vector to describe both the 3D color feature and 3D geometric feature ofa pixel uniformly; （2） Classifying pixels into foreground （e.g., hair） and background with K-means clustering algorithm; （3） Selecting and updating the cluster centers of foreground and background before and during hair tracking automatically. Our system can track hair of any color or any style robustly in clustered background where some objects have color similar to the hair or in environment where the illumination changes. Moreover, it can also be used to track faces （or heads） if the face （= skin ＋ hair） is selected as foreground.     

图像目标检测识别和跟踪仿真研究

研究图像检测优化问题,在传统的图像目标跟踪中始终选用起始帧作为目标模板,没有根据实际情况实时更新目标模板,容易导致目标跟踪识别错误.针对图像目标识别跟踪缺乏全自动智能跟踪的难点问题,提出了在一定变化条件下运动图像目标的全自动识别跟踪方法.首先,在目标检测中为了提高实时性,采用了一种特殊形式的帧间差分算法对目标进行检测;其次,为有效抑制噪声和增强图像目标,在确定目标模板的过程中加入了图像形态学算法;最后,利用改进的均值漂移算法,根据巴氏系数相对量的变化情况实时更换目标模板,实现对目标全自动跟踪.经过仿真表明,利用改进的图像处理方法实现了在外部干扰条件下目标的自动检测识别和跟踪,并具备对图像目标的全自动跟踪能力,速度较快,为图像目标检测系统的设计提供了依据.     

图象中目标的快速搜索算法

随着系统技术的发展,对目标识别跟踪系统的要求正朝着智能化方向发展,即要求系统具有对目标的自动捕获、自动识别和自动跟踪的能力。为此,在利用目标与背景之间的灰度分布特性的基础上,提出了一种在一定的范围内能自动搜索并锁定目标的目标搜索算法。该算法假定搜索过程是在一个较大的区域开始进行的,而目标仅是该区域内一个在灰度上与背景有差别的小区域。由于这个假定是符合实际情况的,因此该搜索算法可以看作是一个简单的主动边界方法,它首先由一个收缩算法逐步缩小搜索区域,再结合图象的梯度信息来搜索目标,最后锁定目标轮廓。该算法在搜索过程中只对少数的控制点进行计算,而且对控制点的初始位置无严格限制,因而可以在含有目标的区域快速完成搜索过程,实验结果表明,该算法对不同大小、不同形状的目标都可以取得很好的搜索结果。     

海上浮动目标图像跟踪研究与仿真

研究浮动目标的图像准确跟踪问题。海上浮动目标容易受到风向、海浪等突变性因素影响,其运动方向和速度都有很强的突变性和非线性,造成图像中前后联系的方向运动参数估计失准。传统的跟踪方法多是基于运动图像的前后联系进行运动跟踪的,由于这种运动突变性的存在,使得运动间的关联性被大幅降低,跟踪结果出现较大偏差,收敛速度降低,造成跟踪结果的不准确。为此提出了一种自适应方向突变因子的浮动目标运动跟踪算法。引入随机分布的运动突变影响算子,在运动估计过程中作为惩罚因子出现,最大程度降低运动中的突变因素影响。仿真结果表明,自适应突变因子算法能够较准确完成海上浮动目标跟踪,避免了传统方法跟踪延迟等问题。     

Target Tracking Using a Joint Acoustic Video System

In this paper, a multitarget tracking system for collocated video and acoustic sensors is presented. We formulate the tracking problem using a particle filter based on a state-space approach. We first discuss the acoustic state-space formulation whose observations use a sliding window of direction-of-arrival estimates. We then present the video state space that tracks a target's position on the image plane based on online adaptive appearance models. For the joint operation of the filter, we combine the state vectors of the individual modalities and also introduce a time-delay variable to handle the acoustic-video data synchronization issue, caused by acoustic propagation delays. A novel particle filter proposal strategy for joint state-space tracking is introduced, which places the random support of the joint filter where the final posterior is likely to lie. By using the Kullback-Leibler divergence measure, it is shown that the joint operation of the filter decreases the worst case divergence of the individual modalities. The resulting joint tracking filter is quite robust against video and acoustic occlusions due to our proposal strategy. Computer simulations are presented with synthetic and field data to demonstrate the filter's performance     

基于细节提取的运动目标追踪算法

目前运动目标追踪任务中干扰具有很大的欺骗性,目标追踪算法容易被带有陷阱的数据集所欺骗.为了提升追踪算法在追踪数据集上的效果,本文提出基于SiamFC孪生网络上改进的DPP-SiamFC追踪算法,该算法在原网络基础上引入DPP (Detail-Perserving Pooling)池化层和残差网络,有效的保留目标的细节特征.本文并在VOT2017追踪数据集上验证网络性能,实验结果达到了网络性能提升的效果.