基于共面标记点的AR跟踪系统

该文讨论基于视觉的、用于AR系统的动态目标实时跟踪系统设计．通过两个摄像头实时跟踪安装在动态目标上的人工标识物，通过图像处理和立体视觉理论获取被跟踪目标物体在空间中的姿态．在跟踪算法中采用了卡尔曼滤波器预测跟踪窗口的运动轨迹，同时利用MPI技术在两台普通性能的计算机上并行执行目标跟踪的程序，实现了低成本的动态跟踪功能．     

一种基于服务机器人的视觉系统设计

通过采用图像传感器0V7635采集图像，帧存储器AL422B进行数据缓存，CPLD控制时序，DSP进行图像处理，构建了一个图像采集的硬件系统．在图像软件处理中，采用闽值向量判断法和改进的种子填充法来完成彩色图像的识别和分剖，在分割中计算图像的几何矩，利用全局图像的几何矩特征量构建图像雅可比矩阵，并用推导的图像雅可比矩阵完成一个图像反馈与目标运动自适应补偿的视觉跟踪系统．系统采用了TFT液晶来直观显示视觉识别和跟踪的效果．     

一种基于TLD改进的视觉跟踪算法

视觉跟踪是当前计算机视觉的热点问题之一。TLD(Tracking Learning Detecting)算法是一种可以在线学习的新颖视觉跟踪算法。针对算法中跟踪器采用的LK光流法无法捕捉大幅度运动目标的问题,引入图像金字塔模型,提出一种采用金字塔光流法的TLD的改进算法,解决了长时间跟踪中出现运动尺度过大时产生孔径的问题。实验结果表明,算法在复杂场景和大运动条件下,可以长时间准确、快速地实现视觉跟踪,具有较强的适应性和有效性。     

一种改进的移动机器人视觉跟踪算法研究

运动物体的实时跟踪是移动机器人视觉的关键技术之一.为了实现对目标快速有效的跟踪,本文提出了一种改进的移动机器人视觉跟踪算法,该算法在mean shift算法的基础上,利用颜色特征作为视觉跟踪依据,并且引入Kalman滤波进行迭代窗口的预测.实验仿真结果表明,本文算法一定程度上消除了光照条件的影响,而且很好的解决了当目标被遮挡时发生目标跟踪偏差或丢失的问题,具有实用价值.     

一种实用的嵌入式DSP视觉跟踪器设计

设计一种用于跟踪一般物体的实用的嵌入式视觉跟踪器,以ＴＭＳ３２０Ｃ３２ＤＳＰ为中央处理器,以ＯＶ７６１０为摄像芯片建立独立的视觉跟踪器硬件模块;以Ｋａｎａｄｅ－Ｌｕｃａｓ光流算法为基础建立基于特征的目标跟踪算法,并使用金宁塔数据结构和启发式搜索算法快速有效地跟踪目标,结果表明使用普通的ＤＳＰ可以实现图像中一般目标的实时跟踪。     

PAW视觉传感焊缝跟踪检测系统的设计与实现

采用低成本电荷耦合器件制作了焊接过程视觉传感器，实现了一种等离子弧焊焊缝实时跟踪系统．从PAW熔池后方拍摄获取图像，识别出了熔池图像最亮点，以它作为熔池中心得到了焊缝偏差的实时检测曲线．采取双缓冲图像采集和多线程程序设计方法，设计了相应的实时控制软件，其检测周期可达43ms，较好地满足了焊缝跟踪的实时性要求．通过分析，找出了系统的瓶颈，并指出该系统实现更高性能的途径在于采用高速摄像头和高速采集卡．     

基于边缘增强模板匹配的PTZ主动目标跟踪系统

为实现对运动目标的动态跟踪,设计了基于PTZ摄像机的主动实时跟踪系统,实现对高关注度目标进行持续跟踪。该系统采用背景建模方法检测当前视野中的运动目标并进行跟踪,针对感兴趣目标采用基于边缘增强模板匹配(EETM)方法进行主动跟踪,并提出了一种简单有效的PTZ摄像机控制方法。采用海康威视球机进行测试,测试结果表明:该系统利用低成本PTZ摄像机可以实现对静态场景和动态场景中目标的检测和跟踪,对感兴趣目标进行主动跟踪,PTZ摄像机控制平稳,能够满足实时性的要求。     

五自由度立体视觉机器人平台建模与物体跟踪

从立体视觉与机器人控制集成的角度出发,建立了一个主动立体视觉跟踪和定位系统,用于柔性装配线中装配零件的运动跟踪和装配工位的定位.该系统具有五个自由度,采用D-H方法得到五自由度立体视觉平台的运动学模型,并获得运动学的正解.该系统能在工作空间内迅速跟踪移动物体,并有较好的精度.通过该跟踪实验证明了模型的正确性和方法的有效性.     

模糊化多视觉信息融合的视觉跟踪策略

为了提高视觉跟踪系统在空间环境对外界变化的适应能力,提出一种模糊化多视觉信息融合的视觉跟踪策略.该策略综合了多个反映目标特征的视觉信息,通过对选择的每一项子特征集进行模糊化处理,提高了识别的智能化程度.针对运动物体分割阈值受噪声干扰的问题,提出一种结合人口统计与区域生长的区域分割方法,实现了运动区域特征的稳定聚类.相对于传统的局部特征识别方法,这种多特征融合技术适合应用于复杂的动态环境,冗余信息间的互相补充可确保特征在不确定环境中的识别.试验结果表明,该策略能够实现鲁棒的特征提取和跟踪,尤其当出现被跟踪物体部分遮挡以及外界发生光线变化时,视觉跟踪系统仍能够实现稳定、快速的识别.     

基于视频图像序列的动态物体跟踪定位算法的研究

视频图像动态物体跟踪的算法是计算机视觉的核心课题之一,具有重要的理论意义和广泛的实用价值。本文提出了一种改进的三帧差分的运动目标实时检测算法,对3帧连续的边缘图像进行3帧差分运算,最后通过阈值分割和形态学处理完成对目标的提取。该方法计算简单,实验结果表明该方法能对运动目标进行准确检测,且具有很好的鲁棒性。此外,利用基于物体特征的轨迹记录算法清晰的记录了物体的行进轨迹。实验证明,该算法在运动物体实时检测和跟踪方面有效可行。     

动目标图像实时输入与处理微机视觉系统

本文介绍了一种基于微机的动目标图像实时输入与处理视觉系统。采用局部总线设计技术,集输入与处理为一体,使设计达到了单板化,将其直接插入IBM-PC及其兼容机槽内即可构成系统。并采用流水线、并行作业和时间重叠等方法,可将动目标实时从复杂背景中分割出来。通过场控制器,本系统可一边输入,一边运算,进行实时图像加减、特征提取、边缘检测和二值化运算等;多种运算方式使本系统在尽可能大的空间范围内跟踪动目标。本文提出了“扩展虚存”思想;设计了高速DMA控制器;应用了硬件开窗技术。系统经过运行实验,可满足一般性动目标的分割与跟踪。     

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.     

基于幂次变换和区域收缩算法的运动目标检测与定位

运动目标分割与跟踪是计算机视觉中的重要研究课题,而目标检测与定位是其中的必要步骤,对分割与跟踪效果影响很大.在此提出一种新的运动目标检测与定位方法,该方法在差分二值图像上,通过区域收缩定位到运动像素密度较大的区域,从而实现运动目标定位.在多目标情况下,先通过幂次变换突出不同位置的目标,然后再通过区域收缩实现目标定位,给出目标的特征矩形,便于进一步的跟踪与识别.该方法不需要任何关于目标数的先验知识,对噪声鲁棒性较强.文中给出的实验结果证明该算法的有效性.     

基于目标检测和图割的多目标跟踪算法

多目标跟踪是智能视频监控中的一个具有挑战性的问题.提出了一种基于运动目标检测和图割理论的多目标跟踪算法.首先,利用码本模型对背景建模,检测运动目标.然后,令一个标签对应一个目标,建立能量方程,把多目标跟踪问题转化为能量最小化的组合优化问题.最后,构造网络图,利用最大流-最小割算法寻找最优解.实验结果表明,所提算法能够处理新目标的进入和原有目标的离开,对多目标之间的遮挡具有较强的鲁棒性.     

基于视觉目标跟踪的侦察机器人导航方法

针对未知环境下侦察机器人的自主导航问题,提出了一种基于视觉目标跟踪的侦察机器人导航方法.首先利用二进制鲁棒独立元素特征(BRIEF)提取方法来检测和描述待跟踪视觉目标的局部不变特征点,在快速的特征匹配计算基础上提出由粗到精的目标定位两步法实现机器人导航过程中视觉目标的实时准确跟踪.其次对基于视觉目标跟踪的自主导航任务进行行为分解和实现,在行为中集成视觉目标跟踪算法.最后利用基于宏行为的机器人事务执行机制实现移向视觉目标的自主导航控制.实验结果表明,提出的方法能够使侦察机器人实时准确地跟踪视觉引导目标,在复杂障碍物环境下可靠地完成移向目标的自主导航任务.     

基于模板匹配的运动目标快速检测与跟踪

在图像跟踪系统中，运动目标的快速检测与识别是至关重要的．通过分析视频序列图像的特点，并结合帧差法和多分辨率图像匹配的优点，提出了一种基于模板匹配的快速检测识别目标的方案．实验结果表明，该方法能快速有效地识别目标，基本上达到了实时跟踪的要求．     

基于自适应背景模型的全方位视觉人体运动检测

设计了一种新的全方位视觉系统,用来在室内对多个人体目标进行实时运动检测。系统中使用全方位摄像机作为图像采集设备,能在一幅图像中获取水平方向360°的环境信息。在检测开始之前,首先由摄像机对无人环境持续观测一段时间,建立背景的统计模型;在检测开始之后,将每一时刻全方位摄像机采集到的图像变换成柱状全景图像,再利用背景的统计模型,通过自适应的动态背景减除算法得到前景区域,同时在线更新背景模型。最后进行区域分割,确定人体的位置。试验结果表明,该系统在复杂背景的室内环境下,有较好的实时性和检测效果。     

动态场景中运动目标检测与跟踪

为了在静态和动态场景中均能实现对运动目标的检测与跟踪,提出了基于运动检测和视频跟踪相结合的视频监控方法. 建立四参数运动仿射模型来描述全局运动,采用块匹配法对其进行参数估计;采用基于全局运动补偿的Horn-Schunck算法检测出运动目标;使用卡尔曼滤波对运动目标的质心位置、宽度和高度进行跟踪. 实验结果表明,该方法能够有效地对静态和动态场景中运动目标进行检测与跟踪.     

非高斯噪声背景下计算机视觉目标跟踪方法

针对杂波背景下计算机视觉目标跟踪问题,提出一种非高斯噪声背景下计算机视觉目标跟踪方法.在视频目标运动模型和观测模型的基础上引入了柯西混合噪声模型,对非高斯噪声运动目标的状态进行建模;然后,在传统高斯噪声粒子滤波的框架内给出文中方法的具体实现步骤.针对大面积遮挡和夜晚光照改变的极端情况下对路上行驶的车辆进行实时跟踪实验,结果表明:文中方法明显提升极端杂波环境下的目标运动过程的建模精度,有效提升目标跟踪精度.     

基于序列图像的粒子滤波跟踪算法

基于序列图像的目标跟踪方法研究已成为当前计算机视觉领域的一个重要研究内容.构建一个准确、实时和鲁棒的跟踪系统是该领域的研究重点.本文提出了一种改进的基于粒子滤波器算法的快速目标跟踪方法.通过提取序列图像中目标的HSI颜色空间直方图作为目标模板,建立系统的状态转移模型和观测模型,应用重采样技术,最后利用粒子的加权和估计最终目标位置和形状.通过软件仿真实验,本文提出的算法较传统的目标跟踪算法具有更好的实时性,准确性和鲁棒性.