利用红外光谱仪的网球比赛运动目标跟踪方法

针对网球比赛中运动目标的有效快速跟踪问题,提出基于红外光谱仪的网球运动目标跟踪方法,采用红外光谱仪中采集模块采集运动目标的干涉图复原光谱,与实际光谱进行相位差比对,构建动态观测模型,并根据观测结果采用局部背景加权标记运动目标,最后通过局部搜索算法自适应更新动态观测模型,完成对运动目标的自动跟踪.实验结果表明,提出的方法在不同的背景、光照、角度变化的情况下能保持较高的跟踪成功率.     

网球视频中基于OPF聚类的球体检测方法

针对网球视频中网球的检测和跟踪问题,提出了一种基于最优路径森林(OPF)聚类的球体跟踪方案.首先,对输入的不稳定视频进行稳定化处理,以消除视频中的抖动和噪声.然后,将黄色平面强度特征和相位四元数傅里叶变换特征作为球体特征,从视频帧中分离出候选目标.最后,利用OPF聚类从球体候选目标中分类出真实目标,获得球体实际位置,从而绘制出球体运动轨迹.实验结果表明,该方法能够从视频帧中准确检测出网球,具有较高的精度和鲁棒性.     

体育视频中基于粒子滤波和ARG模型的多目标跟踪方案

针对体育视频中运动员的精确跟踪问题,提出一种融合粒子滤波和属性关系图(ARG)的多目标跟踪方案.首先,对于所有目标执行粒子滤波构建跟踪器,并根据颜色直方图计算粒子权重.然后,在粒子滤波过程中,融入ARG模型.基于已标注的图像构建ARG模型,并以此评估每个跟踪器的时间得分.最后,根据得分来选择最终的跟踪器,以此实现运动目标跟踪.实验结果表明,该方案能够准确地跟踪多个运动目标,对遮挡和突然运动具有较好的鲁棒性.     

基于快速移动的红外小目标实时检测跟踪方法

针对运动背景下红外小目标跟踪时精度不高、实时性差的问题,提出了基于数学形态学检测与自适应跟踪窗的方法 .首先,采用了帧差法作为基本基础,通过缓存目标图像建立目标模型,计算目标模型与当前帧差目标二值图像的相似度,根据结果确定筛选方法检测目标;其次,根据目标在上一帧中的位置,通过速度特征自适应调整搜索的范围,解决了因目标穿越运动背景导致目标丢失的问题;最后,通过采集不同情况下的目标红外图像,对运动背景下的小目标进行了检测与跟踪.仿真结果表明,该文提出的算法能够有效检测运动背景下的小目标,具有较高的实时处理能力和准确性.     

排球视频中结合似然度与粒子滤波的运动员跟踪方法

为了解决排球视频中运动员重叠事件影响目标跟踪精度的问题,提出一种基于改进型粒子滤波的跟踪方法.首先,为每个跟踪目标标记一个不同颜色的标签,以此来检测重叠事件的发生,同时利用粒子滤波来跟踪目标.然后,当重叠事件发生时,根据目标的颜色似然度和距离似然度计算综合似然度,以此来避免粒子聚集到一个目标上.最后,根据位置预测模型来预测目标位置,实现目标的实时跟踪.实验结果表明,提出的方法能够对重叠事件具有鲁棒性,跟踪准确率达到了80%.     

结合全局轮廓变形的改进Snake算法

为避免跟踪较大位移和变形对象时易陷入局部极小问题,提出了一种改进的主动轮廓模型Snake算法,并将其用于视频中变形运动对象的跟踪与提取.该文采用L*a*b*颜色空间的彩色梯度图和仿射变换的校正误差计算Snake的外部能量,增强了图像外部特征对Snake的作用.实验结果表明改进后的Snake算法大大提高了Snake跟踪的准确度,并能跟踪发生了较大位移和变形的视频运动对象.     

基于SIR粒子滤波和局部搜索算法的运动目标跟踪方案

针对视频处理中的显著运动目标跟踪问题,提出一种基于序列重要性重采样(SIR)粒子滤波和局部搜索算法的运动目标跟踪方案.首先,对视频序列进行SIR粒子滤波,获得粒子的似然分布,并对粒子进行加权;然后,构建粒子的动态模型和观测模型;最后,当检测到目标运动时,根据每个时间步上观测似然的反馈信息,利用局部搜索算法自适应更新粒子的动态模型,从而实现目标的动态跟踪.实验结果表明,该方案能够有效地跟踪运动目标,且对目标背景、大小、遮挡和光照等因素具有鲁棒性.     

面向增强现实协同式车间布局的三维注册算法

提出了一种基于磁跟踪装置的自适应区域基准的三维注册算法并应用于增强现实车间布局中.该算法的基本思路是把磁跟踪发射器的半球空间划分为N个区域,每个区域都有相应的基准,当磁接受器到达每个区域时,自动地利用该区域的基准来注册定位.为验证所提出的算法,开发了一种网络环境下支持多用户协同设计的车间布局原型系统.系统运行及误差分析结果表明,此方法相对于直接使用跟踪装置的注册算法而言,精度及鲁棒性均有所提高,能较好的满足大环境下车间布局的精度和广度的要求.     

非穿戴指势手指三维定位

根据小波变换在时域和空域均具有优异的局部化特征,基于背景差分,利用小波多尺度特性进行小波多尺度 变换,提取视频运动对象并抑制阴影. 根据手指在图像中的空间位置关系,基于阈值分割与色彩信息融合方法,提取手 指区域. 融合手指指尖特征点、指势手指的手臂中心轴线及其外极线的多几何约束的立体匹配策略,采用求解反对应方 法,确保手指特征匹配的正确性. 实验验证了文中所提方法能有效定位指势手指的三维信息.     

一种比赛运动目标自适应跟踪算法的GPU实现

运动目标跟踪是计算机视觉领域核心技术之一,其软、硬件的实现方法对于促进视频和图像处理具有重要意义.以足球比赛为例,针对移动目标的大量、实时、高精度跟踪任务,提出一种基于特征融合与粒子滤波的新型自适应目标跟踪算法,并设计基于图像处理单元(graphics processing unit,GPU)的算法硬件平台.实验结果表明,所提算法及硬件平台的高效整合可以实现运动目标的可靠、快速、高精度跟踪.     

体育视频中基于卡尔曼滤波器的运动员人脸检测识别方法

针对体育比赛期间运动员的检测识别并显示对应统计信息问题,提出了一种运动员人脸检测识别方法 .主要分四个步骤:第一步,利用一阶卡尔曼滤波器跟踪被检测目标;第二步,使用AdaBoost和Haarlike特征检测进行特征选择和分类;第三步,利用推进方法进行人脸检测;第四步,利用LDA初始化的AdaBoost算法识别人脸.用数码相机采集412张不同图像进行实验.实验结果表明,本文提出的方法在大部分情况下都能获得最高的球员检测精度和人脸识别精度.     

基于DSP FPGA的嵌入式篮球运动 视频目标跟踪算法实现

针对篮球比赛中的运动目标跟踪问题，提出了一种基于DSP和FPGA的嵌入式篮球运动视频目标跟踪算法，将Mean Shift算法用于跟踪篮球运动视频目标，并给出了DSP FPGA的硬件设计该方法先建立一个包含运动目标的搜索窗，并初始化其位置和大小，进一步计算搜索窗的色彩直方图然后，输入待搜索图像，运行Mean Shift，获得新的搜索窗位置和大小；最后，基于Mean Shift算法迭代，获得运动目标的新位置FPGA方便电路设计，DSP则运行目标跟踪算法实验证明，提出的方法在激烈的比赛中依然能够准确跟踪运动目标     

基于全变分正则和L2,1范数的视频去雨张量模型

提出了一种基于全变分正则与L_2,1范数的视频去雨张量模型用于解决雨线遮挡问题。首先,对雨线成分与视频背景先验信息进行预处理,获取相应正则化条件的构建依据以增强各部分稀疏性,便于促进雨线分离。其次,考虑到视频图像存在不规则动态对象,引入全变分正则项来抑制背景强度变化,缓解雨线的误判现象。采用交替方向乘子法(alternating direction method of multipliers, ADMM)可以有效地对所提出的张量模型进行求解,并在合成数据与真实数据集上开展大量实验。结果表明,所提方法在动态背景情况下有效去除视频图像雨线的同时,保留了更多背景细节信息。与相关先进方法相比,所提方法在峰值信噪比、结构相似性和残差三种综合性能量化指标上均具有较大的优势。     

视觉信息的稀疏表示与显著度检测方法

图像的表示方法和测量方法是显著度检测模型的两个重要研究问题.不同于早期工作中通过对大量自然图像统计得到稀疏特征的方法,提出了通过对当前输入信号进行自适应学习来获得特征的方法.在显著度检测阶段,对每个特征都定义了背景活动率(BFR),提出了用特征活动率(FAR)来测量自底向上的视觉显著度.特征活动率(FAR)在生物学中是可信的、易于计算,并具有令人满意的性能.通过对人眼轨迹定位和心理模型以及自然图像的实验,证明了所提方法的有效性和鲁棒性.     

智能监控系统的图像检测设计

智能监控系统图像检测算法的本质是对视频图像中的敏感对象进行监测,提取其客观信息构建对图像和目标的描述,决定其有效性和可靠性的基础是所采用的图像分割算法。通过分析和大量试验结果的比照验证,提出了一种图像检测算法在数字监控系统中的应用,并利用卡尔曼滤波的运动跟踪特性进行进一步的噪声滤除,适用于运动车辆在固定背景下的监测,使得视频图像分析能够适合集成到视频图像采集压缩前端模块中,运用改进的算法模型实现计算效率最大化以及目标判断准确性。     

拟蒙特卡罗粒子滤波改进算法及其在雷达目标跟踪中的应用

拟蒙特卡罗粒子滤波算法（quasi-Monte-Carlo particle filter, QMC-PF）精度不高,运算复杂度大,难以满足雷达机动目标跟踪精确性和实时性需求. 为此,提出一种基于BP神经网络的新型拟蒙特卡罗粒子滤波算法. 该算法将大权重粒子通过QMC分裂采样产生低差异性的子代粒子,以此来替代低权重粒子,保证了样本的有
效性和多样性;同时利用BP神经网络计算子代粒子的权重,提高了滤波的精度和速度;最后在不同的模型中进行仿真. 实验结果表明,与QMC-PF相比,所提出的算法提高了精度和运算速度,适用于雷达机动目标的跟踪.     

基于改进的区域背景实时更新的目标检测

针对静止摄像机条件下运动目标的检测问题,提出了基于改进的区域背景实时更新的目标检测算法,该方法首先对连续的三帧图像分别做帧间差分并将差分图像二值化,运用改进的线段编码的方法对二值化后的差分图像进行扩充以填补由帧间差分引起的空洞,然后用当前的二值化差分图像减去前一个二值化差分图像,差值为负的区域就是背景应该实时更新的区域,最后用传统的背景差分法就能检测出运动目标．实验结果表明,该方法不仅能在一直有运动物体的视野内获得完整的背景图像,而且背景的实时更新也能有效的减小噪声和突然进入摄像机视野的物体的干扰,有较强的鲁棒性．     

基于改进YOLOX-S的足球比赛视频目标检测方法

为了提升足球赛事水平,催生出足球新战术,识别足球巨星梅西和足球的位置,为进一步的跟踪提供良好的基础,提出了一种基于改进YOLOX-S的足球赛事目标检测方法．使用Pseudo-IoU度量,改进了YOLOX-S中的正样本初步筛选机制,将更标准化和准确的分配规则引入到YOLOX-S无锚检测框架．在损失函数中使用了Focal Loss,以平衡难易样本．实验结果表明,相较于YOLOX-S模型,所提模型具有更好的综合表现,足球类别平均精度为79.8%,梅西类别平均精度为72.6%,平均精度均值为76.2%.     

视频分析在交通控制中的应用

提出了一种在一系列连续视频图像中提取背景像素的方法.在背景提取的基础上,采用灰度图像的帧间差分法和背景均值法,再运用虚拟检测线法对视频图像中运动物体进行检测.在合理的假设条件下,对所划检测线上的灰度像素矩阵进行运算,通过计量的数据,运用数学和物理方法,可以得出车辆的外形,即分为大、中、小型车,车辆的行驶速度以及其他一些重要的数据.     

基于全变分正则和L2,1范数的视频去雨张量模型

提出了一种基于全变分正则与$L_{2，1}$范数的视频去雨张量模型用于解决雨线遮挡问题。首先，对雨线成分与视频背景先验信息进行预处理，获取相应正则化条件的构建依据以增强各部分稀疏性，便于促进雨线分离。其次，考虑到视频图像存在不规则动态对象，引入全变分正则项来抑制背景强度变化，缓解雨线的误判现象。采用交替方向乘子法（alternating direction method of multipliers，ADMM）可以有效地对所提出的张量模型进行求解，并在合成数据与真实数据集上开展大量实验。结果表明，所提方法在动态背景情况下有效去除视频图像雨线的同时，保留了更多背景细节信息。与相关先进方法相比，所提方法在峰值信噪比、结构相似性和残差三种综合性能量化指标上均具有较大的优势。