复杂场景下基于特征点匹配的目标跟踪算法

提出一种在复杂场景及目标遮挡情况下,特别是目标外形、大小发生变化时的基于SURF的目标跟踪和在线目标模型更新算法。该算法利用SURF对尺度缩放、光照变化和旋转等具有较好鲁棒性的特点,首先提取跟踪目标的SURF特征点,以特征点及其邻域的R、G、B直方图表示目标;然后根据目标在连续的帧中相似性较大的特点,搜索当前帧中的目标最优匹配SURF特征点,由目标特征及目标模型计算其准确大小和位置,并根据变化了的目标状态更新目标模型。实验结果表明,该算法可准确地定位到目标。     

虚拟现实技术在复杂场景中漫游的应用

根据虚拟现实中复杂场景漫游的特点，探讨了复杂虚拟场景的建构以及场景的可见面消隐，碰撞检测和用硬件设计的方法实现灯光效果等若干技术问题，最后实现了一个室内场景的应用实例。     

复杂行车环境下基于视频的目标跟踪算法

在复杂行车环境下,如果视频中只有目标和背景时,C-V模型可以取得很好的分割效果,然而需要从复杂背景中提取目标信息时,该模型往往无法得到正确的结果。针对这一问题,C-V模型与均值平移算法能很好的解决。并且该文结合图形处理算法,根据车辆轮胎的数目,得出车辆相应的情况。     

基于目标跟踪的信息反馈融合方法研究

针对目标跟踪问题环境的复杂性,信息的多样性,传统的信息融合方法有很多弊端,本文将反馈融合思想引入到传统的信息融合框架,提出了基于目标跟踪的信息反馈融合系统,利用信息反馈融合方法为指导,针对不同目标跟踪场景中传统跟踪技术的技术瓶颈,提出相应的改进方法。经过多次仿真验证,基于目标跟踪的信息反馈融合系统进一步提高了历史融合信息的整体利用率,并且可以得到精度更高、鲁棒性更好的融合估计效果。     

复杂条件下非刚体运动目标的局部跟踪实现

在公交车背景的环境中,对连续均值平移算法进行了改进,以颜色概率分布和轨迹验证来过滤伪目标,保证了跟踪的可靠性;通过对跟踪搜索的区域进行有效的设计,对目标做出运动预测,减少匹配搜索范围,提高了速度．     

基于虚拟现实的灾害场景应激反应诱发方法

灾害场景下人员行为规律研究对支撑应急决策有重要意义,但灾害发生有高度不确定性,且灾害场景下相关数据难以实际测得。该文提出一种基于虚拟现实(VR)的灾害场景应激反应诱发方法,即通过灾害题材VR影片诱发个体面临灾害的心理应激,从而达到在实验室条件下研究灾害场景中人的生理、心理及行为特性的目的。该研究通过2个实验对该方法的有效性进行了检验。实验1采集了180位被试观看VR影片前后的情绪量表数据,以及脉搏和皮电等生理数据;实验2采集了75位被试观看VR影片前后的驾驶行为数据。结果表明：被试的心理、生理和行为指标在观影前后均有显著差异,VR影片诱发出了应激反应。该研究为灾害场景下人员行为特性研究提供了研究方法参考。     

针对变电站场景下目标的检测及跟踪

目标跟踪在视频监控、人机交互及图像压缩等领域发挥着重要作用。为了解决DSST(Discriminative Scale Space Tracking)跟踪算法需要手动标记初始帧的位置、实时速度和更新策略的问题,提出了一种改进的DSST跟踪算法。该算法在DSST算法的基础上融合了检测算法和图像缩放算法,同时引入了APCE(average peak-to correlation energy)置信度指标,使用变电站和benchmark数据集对其进行了测试,并与FCT(Fast Compressive Tracking)及Staple等算法相比,结果表明该算法提高了跟踪精度,缩短了每帧的运行时间,且在背景、尺度变化及遮挡等方面表现出较强的鲁棒性。     

红外小目标检测与跟踪方法研究

复杂背景中小目标的检测与跟踪一直是监视和告警系统的重要组成部分,综合该领域近年来的研究成果,从空间滤波和时间滤波的角度对现有的红外小目标检测方法进行了简单的概述,并分析了今后的研究方向。     

基于前景策略和场景信息的目标跟踪系统

为解决目标跟踪算法中的某些难点问题,提出以Mean-shift算法为基础,基于高斯混合模型(GMM)前景分割和场景信息的MGSI方法.该方法基于运动预测和前景分割为目标跟踪提供感兴趣区域(ROI),解决了跟踪目标与背景相似情况下目标识别中的误报问题.同时,通过场景信息的预先设定来获取某些先验知识,如屏蔽区域的划分、区域中目标模板更新的频率、遮挡类型的预判等,并根据先验知识来调整跟踪策略,一定程度上解决了遮挡问题.实验证明,基于MGSI方法的目标跟踪系统在一定程度上解决了光照变化、背景干扰、模板更新、遮挡等传统跟踪系统中存在的问题,有效提高了跟踪的准确率.     

基于脑电信号在复杂场景下的联合算法

在基于快速傅里叶变换的联合算法和基于支持向量机的联合算法的基础之上,文中提出了一种复杂场景下针对5类以上脑电信号处理的新型联合算法. 目的在于提升脑电信号处理与分析的精度与综合效率. 新型联合算法首先采取归一化进行数据预处理,然后融合快速傅里叶变换和主成分分析进行特征提取,最终以加权k近邻分类算法进行特征分类,应用于被试观察0~9数字时产生的脑电信号分类. 结果证明：新型联合算法的精度和综合效率分别为84%和87%,可以运用于复杂场景下的脑电信号处理.     

虚拟现实跟踪系统的研究

跟踪系统的研究是虚拟现实的一个关键性技术。首先介绍了虚拟现实和跟踪系统的概念、用途以及磁阻传感器的特点，其次阐述了利用三轴磁阻传感器开发虚拟现实三自由度和六自由度跟踪系统的基本原理，最后分析了该系统的优点及其在实践中的应用。     

复杂工业场景模式识别的探索与研究

随着对模式识别领域研究的深入,场景识别广泛应用于日常生活中。但对于复杂工业场景识别的研究还是空白。对复杂工业场景模式识别的研究,有助于大大提高复杂工业现场的自动化程度。     

基于概率统计局部聚类的复杂场景弱小运动目标检测

在复杂场景下进行弱小运动目标的检测过程中,受到视频中有序相邻对象相似性的影响,难以高精度地识别低质量特征的运动目标.设计一种基于概率统计局部聚类的复杂场景弱小运动目标检测方法.建立空域模型、时域模型,分析小目标特征、背景特征以及噪声特征,从中提取弱小运动目标特征,使用概率统计局部聚类理论,拟定划分标准使用条件,实现目标轮廓曲线分段,将弱小运动目标检测流程进行整体优化,完成基于概率统计局部聚类的复杂场景弱小运动目标检测方法的设计.检测方法性能测试结果表明：在不同的实验图像下,设计的弱小运动目标检测方法的检测率平均值为69.8%,具有一定的实用性和可靠性.     

体育场景中的视觉目标跟踪研究进展

目标跟踪是计算机视觉中构建复杂运动分析系统的关键任务之一。体育运动比赛因其趣味性深受广大观众喜爱,对体育视频中的运动目标进行跟踪在赛后复盘、技术提升、教育教学以及媒体传播上都有着广阔的应用前景。近年基于深度学习的体育视频跟踪技术取得了显著进展。本文首先介绍了体育视频中目标跟踪研究背景,给出了基于深度学习的体育目标跟踪的定义与分类。其次分别从球类目标跟踪、单摄像机运动员跟踪以及多摄像机多运动员跟踪三个方面总结了体育视频中目标跟踪的研究现状,提炼出统一的算法流程并对其进行技术分析和总结。最后讨论了体育视频中视觉目标跟踪存在的挑战和未来发展方向。     

基于区域对比的图像显著目标检测

针对具有杂乱背景图像的显著目标检测问题,提出了一种无需任何先验知识,通过分析计算区域平均显著值的对比度来提取显著目标的方法.根据显著图,计算出显著目标的最小边界框与其周围区域的显著性差异,且通过折半查找的方法加快搜索的收敛速度.结果表明,该算法能迅速检测出与人类视觉感知结果一致性较高的显著目标区域.     

虚拟现实场景在线可视化编辑技术的实现

随着虚拟现实技术的快速发展,VR在建筑领域的应用越来越广泛,虚拟场景的可视化编辑成为一个热门的研究课题.通过对建筑产品虚拟展示系统的研究,结合多年的工程经验和面向对象方法,给出了虚拟场景对象原型的定义;结合VRML和HTML的脚本编程,提出一个快速实现虚拟场景可视化编辑的技术方法;开发了在线可视化编辑系统,在实际项目中进行应用,极大地提高了工作效率.     

从场景描述到场景目标模型的转化方法

为了弥补场景建模存在的缺陷,提出了一种从场景描述到场景目标模型的建模方法。介绍了场景描述语言的一些规则,对场景进行完整性检查,给出场景转化成目标模型的方法以及对该方法进行场景建模的评价。     

双光斑交叉目标跟踪方法研究

为了解决交叉目标跟踪中相关系数矩阵的多峰性引起的目标模糊对应问题，提高状态估计的精度，提出了一种通过估计双光斑交叉目标形状参数来辨识目标，进而完成目标状态估计的方法－ＯＤＡＭＣＦ算法。实验表明，对于像喷气式发动机或导弹尾焰产生的红外高斯图像，形状参数估计的结果是精确的，能较有效地解决目标的模糊对应问题，提高了目标状态估计的精度。     

非均匀分布量测下的扩展目标跟踪方法

针对雷达方位角变化导致散射源统计特性改变的问题,提出了一种非均匀分布量测下的扩展目标跟踪方法.算法通过轮廓质心法和接受-拒绝采样法产生伪量测,并构建了分层无迹卡尔曼滤波器(hierarchical unscented kalman filter,HUKF)来估计运动状态和形状参数.实验结果表明,相比于传统的无迹卡尔曼滤...