基于多分辨率光流和多尺度角点的运动车辆跟踪

针对稀疏光流LK(Lucas-Kanade)算法不能稳定跟踪快速移动目标的局限性,提出了基于小波金字塔的多分辨率光流跟踪算法.算法基于多分辨率思想对原始稀疏光流进行了改进,从而实现了准确跟踪快速移动目标.在特征提取方面,提出了多尺度Harris角点检测方法,较好地解决了传统Harris方法的漏检和角点分布不均匀的缺陷,适合复杂交通场景中运动车辆特征提取.实验表明,当运动车辆旋转、移动以及摄像机变焦时,角点始终稳定可靠,并且跟踪算法能够快速、准确地匹配特征角点,实现了复杂交通场景下对运动车辆目标的实时稳定跟踪.     

尺度不变特征点提取

结合传统的角点检测算法,提出一种基于高斯金字塔匹配的尺度不变特征点提取算法PBSI,首先建立高斯金字塔,在每层图像中检测Harris角点,根据高斯尺度理论自上而下找到它们在不同层的对应点,所有层上都有的匹配点就是最终的尺度不变特征点.实验结果表明本文算法具有计算简单、抗噪声能力强、稳定性好的优点.     

基于双目立体视觉的海浪波面三维重建技术

为了提高海面特征点检测的准确度和三维重建的精度,在基于传统的Harris算法的基础上,提出1种基于高斯金字塔图像的改进Harris特征点检测算法.利用搭建的双目相机平台,对海浪图像进行采集并完成相机的标定过程,然后根据改进的角点提取算法对图像的角点进行检测,利用尺度不变特征变换(scale-invariant feature transform,SIFT)算法对海浪图像特征点进行立体匹配得出视差图,最后根据三角测量原理获取图像的深度信息,实现海浪波面的三维信息重建.实验结果证明,在针对海浪图像时,该方法具有更高的精度和准确度.     

SURF算法及其对运动目标的检测跟踪效果

视频图像的特征点提取和描述是智能交通系统中运动目标跟踪的一项关键技术。由于场景的复杂性、环境的变化以及目标运动的影响,Harris角点检测算法和尺度不变特征变换(SIFT)算法的精度和稳定性都不够,而加速鲁棒特性(SURF)算法具有很强的鲁棒性,运算速度比Harris角点检测算法和SIFT算法有明显提高。应用SURF算法对视频图像进行特征点提取和匹配,并结合聚类分析和卡尔曼滤波对匹配的目标进行跟踪。实验表明,SURF算法对亮度变化具有很强的鲁棒性,并且速度比较快。     

基于分块Harris特征的航拍视频拼接方法

针对现有航拍视频拼接算法处理速度慢、准确性不高等问题,提出一种基于分块Harris特征的航拍视频拼接方法,改进了传统基于SIFT特征提取算法的不足,缩短了匹配时间,提高了匹配准确性。首先采用分块Harris角点提取的方法均匀提取图像中的角点,然后采用金字塔光流算法进行角点匹配,最后通过改进的RANSAC方法求出仿射变换参数。实验表明,该方法能够实时对航拍视频进行拼接,具有更高的准确性。     

基于分块Harris特征的航拍视频拼接方法

针对现有航拍视频拼接算法处理速度慢、准确性不高等问题, 提出一种基于分块Harris特征的航拍视频拼接方法, 改进了传统基于SIFT特征提取算法的不足, 缩短了匹配时间, 提高了匹配准确性。首先采用分块Harris角点提取的方法均匀提取图像中的角点, 然后采用金字塔光流算法进行角点匹配, 最后通过改进的RANSAC方法求出仿射变换参数。实验表明, 该方法能够实时对航拍视频进行拼接, 具有更高的准确性。     

基于光流追踪技术的变形位移测量方法

提出一种基于金字塔Lucas Kanade光流跟踪技术的变形位移测量算法. 该算法通过检测变形前图像的角点, 先利用金字塔Lucas-Kanade算法在变形图像中搜索其匹配点, 再经计算求得变形位移值. 实验结果表明, 该算法进行变形位移测量时精度高、 稳定性好.     

基于视频图像的公交车人群异常情况检测

为了加强公交安全防范,提出了一种基于视频图像的主要体现为过快移动速度的公交车人群异常情况检测方法。根据人群运动轨迹确立图像感兴趣区域;利用改进的Vi Be算法提取运动目标,缩小数据处理范围;用Shi-Tomasi角点检测算法提取特征点;最后利用带修正系数的金字塔Lucas-Kanada光流法提取运动目标速度信息,进行异常情况的检测。实验表明,与基本Vi Be算法相比,改进后的Vi Be算法对光照具有更好的鲁棒性,该人群异常检测方法正确率达86.4%以上。     

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。     

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。     

基于Kalman的运动物体跟踪和预测方法研究

目前,很多应用需要跟踪图像序列中的运动物体。但是,有时不知道运动物体的特性,因此,提出一个完整的跟踪预测模型;使用无需先验知识的Kalman滤波器跟踪和预测运动物体。利用提取的Harris角点,通过L-K金字塔方法得到前后两帧光流;通过光流聚类得到当前帧中运动物体的凸包,使运动物体从背景中分离出来。由Kalman滤波器跟踪和预测各运动物体凸包的重心,并划出运动轨迹。计算机仿真及现场测试结果表明所提出的方法具有较高的跟踪精度,且计算量小。     

阵列工业图像快速拼接算法

相机阵列获取的多目图像拼接常依赖特征点的数量和空间分布情况,采用传统Harris角点检测算法提取特征点时,会产生伪角点和角点簇,影响拼接速度和精度。自定义Harris角点检测阈值,保留明显特征点,利用自适应非极大值抑制(ANMS)优化角点簇问题;再生成特征描述子,实现特征点的初步匹配,接着用随机抽样一致算法(RANSAC)去除误匹配;最后采用渐入渐出融合算法,实现了拼接图像的平滑过渡。结果表明,该算法能够快速、精确地实现工业图像拼接,具有优良的工业实用性。     

CCD摄像机标定中角点亚像素定位方法

CCD摄像机的标定是实现光学三维轮廓测量技术的必要步骤,其标定精度在很大程度上取决于标定特征点的定位精度.在分析现有棋盘格角点像素级和亚像素级定位方法不足的基础上,提出了一种基于改进SV方法的棋盘格角点亚像素定位方法.首先,采用SV算子对角点进行像素级检测;其次,选取标定图像中以初定位角点坐标为中心的5×5像素区域,对其灰度值进行双线性插值;最后,计算插值图像的灰度质心,再根据插值放大倍数,将质心转换到亚像素坐标,实现了角点亚像素定位.实验结果表明,该方法可以获得亚像素级角点坐标,实现CCD摄像机的高精度标定,标定平均误差为0.108 mm.     

基于尺度空间约束的融合特征点匹配方法

本文提出一种多尺度特征匹配的空间约束机制,Combinative Feature based on Constraint in scale space(CFCS SIFT),该约束机制以SIFT特征点的尺度为基础,对多尺度空间中检测到的DOG特征点与Harris角点提供匹配空间约束,以提高正确匹配点对的数量.基于该约束机制,构造了一种融合DOG特征提取、Harris角点提取原理的SIFT描述符提取与匹配方法,该方法在多尺度空间中提取DOG特征点、Harris角点,并根据特征点的空间、坐标参数获取SIF T描述符.在将DOG特征点和Harris角点相融合并生成SIFT描述符的基础上,设定尺度阈值,根据尺度阈值对检测范围进行空间约束,在约束范围内查找特征点,采用BBF(Best Bin First)算法,并用欧氏距离作为度量函数进行特征点的匹配,最后用RANSAC对匹配点对进行筛选纠错.通过大量实验证明,该算法能够找到更多匹配点对,正确匹配点对相对于不具有空间约束的融合特征点匹配方法增加了15%左右.     

基于改进TLD的自动目标跟踪方法

视觉跟踪一直是机器视觉研究热点,TLD（tracking-learning-detection）算法是近年来出现的一种高效的视觉跟踪算法,针对TLD算法中Lucas-Kanade（LK）光流法无法有效跟踪物体快速移动和尺度变化的问题,采用金字塔光流法对TLD算法进行改进。并将所跟踪物体形心作为图像定位参考点,提取物体定位信息,通过定位信息运用比例-积分-微分（proportion-integral-derivative,PID）控制算法控制摄像头舵机云台转向,使摄像头快速、灵活、精确地自动跟踪指定物体。通过系统测试,与传统TLD算法对比,采用金字塔光流法改进的TLD目标跟踪算法在跟踪目标发生光照变化、尺度变化等情况时,具有更加优良的跟踪性能,准确将跟踪目标形心位置提供给控制部分,控制算法高效灵活,在获取信息后精确、快速地控制摄像头方位,使其正对跟踪目标。该系统对目标跟踪技术、安防技术、自动瞄准系统具有重大意义。     

基于对比度Harris的快速鲁棒图像配准算法

为进一步提高配准算法的鲁棒性、速度及自适应程度,提出了一种基于对比度Harris的快速鲁棒图像配准算法.依据中心像素与其邻域像素灰度值差异计算分块图像对比度,自适应地确定其角点检测的阈值,并通过灰度相似性剔除伪角点;在构建的尺度空间中检测角点,解决了Harris算法需凭经验手动设定阈值,所提取的角点分布不均匀,对尺度敏感且含有伪角点的问题;采用斜率和距离约束剔除粗匹配后的部分误配准点对,再通过随机抽样一致性（random sample consensus,RANSAC）进行精配准.实验结果表明,与4种同类配准算法相比,所提出的配准算法对于JPEG压缩、模糊、视角、光照及尺度变化图像都具有更好的鲁棒性,配准正确率更高,自适应性更强,且配准时间大幅减少.