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。     

汽车智能驾驶系统中运动图像的实时检测与跟踪

采用CCD摄像机获取运动目标图像序列,用基于背景重建的运动变化,对运动目标检测;通过运动分割并求运动梯度计算出物体运动方向;利用目标的短时相似性,完成对目标的跟踪与识别,并进而实现对目标长时间的稳定跟踪,确定目标的运动规律,实现运动图像实时检测与跟踪的目的.基于上述运动目标检测跟踪算法,利用C++编写了实时处理程序,实现了动态单目标、多目标及不同方向运动目标的检测与跟踪.实验证明,本算法可以实现对单运动目标和多运动目标的实时检测与跟踪,具有很高的鲁棒性,效果良好.     

嵌入式视觉实时跟踪系统

在差分得到的二值图像基础上，采用快速搜索算法确定运动物体，并用光流场方法跟踪运动目标。作者选择TMS320作为视觉跟踪系统的硬件平台，采用摄像机获取场景图像，通过软件捕捉场景图像中的运动物体，识别物体运动的方向和距离，实现了视觉实时跟踪功能。在此基础上，完成了分立器件构成的嵌入式视觉实时跟踪系统的设计，对于视觉技术的实际应用具有一定工程意义。     

高斯混合模型的运动目标检测与跟踪算法

运动目标跟踪是计算机视觉研究中的一项关键技术,针对当前运动目标跟踪算法存在的跟踪精度低,实时性差等不足,提出了基于高斯混合模型的运动目标检测与跟踪算法。首先收集目标的信息,并采用混合高斯模型对运动目标背景进行建模,然后采用均值漂移算法对目标进行跟踪,最后采用VC6.0++实现运动目标跟踪仿真实验。结果表明,该文提高了运动目标跟踪的精度,加快了运动目标跟踪的速度,并对遮挡、场景变化具有良好鲁棒性,性能要优于当前其他运动目标跟踪算法,具有更高的实际应用价值。     

基于特征光流的多运动目标检测跟踪算法与评价

光流车辆检测算法其光流不仅携带了运动物体的运动信息,还包含丰富的三维结构信息,能够在未知场景信息的情况下对运动目标进行准确检测;但传统光流法计算方法复杂、抗噪性能差、处理速度缓慢,无法满足多目标实时检测的实际需求。为提高光流法实时检测效率,同时保持较好的检测精度,提出了一种基于Harris特征点光流及卡尔曼滤波模型的多运动目标跟踪算法;并提出新的视频目标检测算法性能评价指标。通过对不同实验场景下多个运动目标的检测与跟踪实验统计结果表明,对比主流Meanshift车辆跟踪算法,检测精度平均提高4.61%;且跟踪持续性提升41.5%,具有更好的鲁棒性及准确性。在时间效率上较比传统光流法平均提升42.9%,能够更好地满足目标跟踪实时性要求。     

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.     

对有背景的图像实现运动目标的边界检测

提出了一种对有背景的图像实现运动目标边界检测的方法，用零交叉方法获取宽度为一个像素的边界，应用腐蚀和膨胀算子获得边界强度信息，通过生成目标模板屏蔽了背景噪声，最后生成了便于边界跟踪的边界图像。     

移动机器人行人目标活动区域快速检测算法

针对移动机器人运动目标检测过程中运动目标与背景均存在位移致使跟踪失效的问题,提出一种显著光流分析法对室内行人目标活动区域进行检测与标识,能够快速有效地为移动机器人视觉检测与跟踪算法提供简便的初始区域定位信息。经仿真实验分析,该算法能够在室内复杂的情况下,快速检测出行人目标的活动区域,方便人物识别与躲避,具有较强的工程应用价值。     

基于序列图像的视觉定位

提出了一种静止摄像机条件下基于计算机视觉的工业机器人的定位算法。采用单目视觉系统,由线性摄像机模型推导出定位测量模型。通过序列图像,以一种改进的自适应混合高斯模型更新背景,运用背景差分法检测出运动目标,用CAMSHIFT算法实现对运动目标的跟踪,确定其位置和姿态,估计出运动参数,反馈给机器人指导其准确运动。实验结果表明,该方法快速、有效,能够满足视觉定位的实时性要求。     

基于图像处理的运动目标跟踪系统

本文详细介绍了基于图像处理的智能目标跟踪系统的实现步骤.本系统通过图像识别、机器视觉等技术判断物体进入监视区域,计算出物体的移动速度和移动方向,根据检测的数据控制监视设备随着物体的移动而调整,从而达到智能跟踪物体的目的.     

fMRI evidence for objects as the units of attentional selection.

Contrasting theories of visual attention emphasize selection by spatial location, visual features (such as motion or colour) or whole objects. Here we used functional magnetic resonance imaging (fMRI) to test key predictions of the object-based theory, which proposes that pre-attentive mechanisms segment the visual array into discrete objects, groups, or surfaces, which serve as targets for visual attention. Subjects viewed stimuli consisting of a face transparently superimposed on a house, with one moving and the other stationary. In different conditions, subjects attended to the face, the house or the motion. The magnetic resonance signal from each subject's fusiform face area, parahippocampal place area and area MT/MST provided a measure of the processing of faces, houses and visual motion, respectively. Although all three attributes occupied the same location, attending to one attribute of an object (such as the motion of a moving face) enhanced the neural representation not only of that attribute but also of the other attribute of the same object (for example, the face), compared with attributes of the other object (for example, the house). These results cannot be explained by models in which attention selects locations or features, and provide physiological evidence that whole objects are selected even when only one visual attribute is relevant.     

基于运动平台的运动目标检测与跟踪

为了实现大视场智能监控,本文提出了一种基于运动平台的运动目标检测与跟踪方法.在相邻帧之间通过块匹配进行运动补偿,采用三帧差分法分割出运动目标.当运动目标正常运动时跟踪其形心;当运动目标被遮档时,根据卡尔曼滤波器预测的形心跟踪目标.其中,对于块匹配,采用边缘点作为匹配块的中心点并根据摄像机的运动方向确定搜索范围,使处理速度提高了38.6%.另外,比较得出最小二乘法对运动目标运动状态突然改变时拟合效果差,因此采用卡尔曼滤波器进行预测.实验证明,本算法适应环境变化的能力强,而且平均每秒处理37.6帧,达到实时处理要求.     

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.     

Self-motion and the perception of stationary objects

One of the ways that we perceive shape is through seeing motion. Visual motion may be actively generated (for example, in locomotion), or passively observed. In the study of the perception of three-dimensional structure from motion, the non-moving, passive observer in an environment of moving rigid objects has been used as a substitute for an active observer moving in an environment of stationary objects; this 'rigidity hypothesis' has played a central role in computational and experimental studies of structure from motion. Here we show that this is not an adequate substitution because active and passive observers can perceive three-dimensional structure differently, despite experiencing the same visual stimulus: active observers' perception of three-dimensional structure depends on extraretinal information about their own movements. The visual system thus treats objects that are stationary (in an allocentric, earth-fixed reference frame) differently from objects that are merely rigid. These results show that action makes an important contribution to depth perception, and argue for a revision of the rigidity hypothesis to incorporate the special case of stationary objects.     

鸟类离顶盖通路的结构和电生理特性

离顶盖通路是鸟类主要的视觉通路之一, 由视网膜、视顶盖、圆核和外纹体组成. 各结构之间具有区域性的对应投射;通路中的神经细胞具有不同的感受野特性, 对不同形式的刺激呈现出不同的反应模式. 参与物体运动方向和物体的朝向分析、运动物体的速度检测、颜色和物体轮廓处理、图象-背景识别、视觉指导定位、捕食和逃避反应等.离顶盖通路侧重于加工关于目标运动的特殊视觉信号,而对自身引起的视觉运动不敏感.     

空时自适应混合高斯模型复杂背景运动目标检测

为克服传统基于单像素建模方法存在的缺陷,解决复杂背景下的运动目标检测问题,将视频图像序列的空间信息引入背景建模过程中,研究了邻域更新、二维联合直方图信息熵判别、空时平滑等方法.采用引导滤波方法对视频图像进行预处理,以消除图像噪声,并保留图像中目标的边缘信息,给出了算法处理流程和实现步骤.在不同的评测数据库及现实捕获的视频图像上进行了定性及定量实验,结果表明,本文提出的算法在目标检测准确度和完整性等指标上优于传统的同类型算法,为复杂背景环境下的运动目标检测提供了一种新的解决方法.      

一种基于背景重建和视差图的立体视频对象分割算法

提出了一种基于背景重建和视差图的立体视频分割算法,利用背景、视差和边缘等信息进行运动对象分割。该算法首先采用基于块的背景重建方法获取视频序列的背景信息,再利用背景相减法获得运动对象的初步分割结果,然后利用立体匹配获得的视差图对初步分割结果进行修正,最后利用边缘信息和后处理操作获得最终的立体视频运动对象。实验表明,该算法能够有效地从运动背景中将视频运动对象完整地提取出来。     

交通监控系统中基于多源信息融合的运动阴影检测

针对目前运动提取算法常将运动阴影错误检测为前景目标的问题，提出了一种交通监控系统中基于多源信息融合的运动阴影检测算法．在颜色空间中利用亮度、色度和边缘信息检测阴影的可能区域，使用逻辑“与”操作融合多源检测结果得到最终的阴影区域．与其他算法相比，新算法能更好地区分前景尤其是暗色前景及其阴影，提高了阴影区域的检测精度，更准确地实现了运动目标的提取．仿真实验表明，对不同颜色和尺寸的前景引起的阴影，算法都能鲁棒地分离目标及其阴影区域，前景提取效果好．     

高速运动物体的图象分析与研究

按照狭义相对论,一个运动物体看起来将沿运动方向缩短为原来的１倍－Ｌｏｒｅｎｔｚ收缩,由此而见,高速飞船中的乘客观看球形物体时,看到的会是一个椭球吗？本文给出了否定的结论,并将证明：正是由于Ｌｏｒｅｎｔｚ收缩,我们会看到高速运动的物体只不过转了一个角度,并没有发生畸变,这个结论试图澄清人们对狭义相对论中关于高速运行物体视视形象描述的某些“事实”。     

基于“贴标签”算法的多运动目标分割与标识

针对固定场景中的监控问题,给出一种基于"贴标签"算法的多目标标识方法.通过背景差分和连续帧间差分相结合的方法,检测和分割视频序列中的多运动目标;同时采用"贴标签"算法对检测后的二值图像进行连通成分标识;根据得到的"标签"将不同的运动目标用不同颜色的外接矩形框区分.