序列图像运动目标检测的一种快速算法

研究了序列视频图像中运动目标的检测与跟踪快速算法．研究基于Kalman滤波理论的渐消记忆最小二乘法，用该方法重建背景图像；采用图像差分算法提取运动目标；提出简化的等效灰度投影算法来计算目标的质心；采用记忆外推跟踪算法实现图像目标的跟踪，并且对全部算法做了仿真．仿真结果表明算法简单、有效、执行速度快、具有很强的适应性，能够用于单镜头序列图像中运动目标的检测与跟踪．     

基于特征值的运动目标快速检测与跟踪

通过分析视频序列图像的灰度特征,结合背景减法目标检测的优点,提出了一种静止摄像机条件下基于特征值快速检测与跟踪目标的方法。实验结果表明,该方法能快速有效地识别目标,达到了实时检测与跟踪的要求。     

图像目标识别与跟踪方法研究

为研究目标识别与跟踪领域的新方法,提高图像检测技术的水平,对现有的图像目标识别与跟踪方法做了一个系统的总结,包括图像预处理、图像特征提取与识别、目标跟踪三大模块,分别对每一模块所采用的方法进行介绍、归纳.     

联合光流技术和区域轮廓模型跟踪运动目标

研究了飞机在天空飞行图像中的飞机跟踪问题．在分析飞机在天空飞行图像特点的基础上，提出了联合光流技术和区域轮廓模型跟踪运动目标的方法．首先，对图像进行高通滤波预处理，提取一些高亮度的斑点，获得运动目标的特征图像；然后用特征图像求解运动目标的光流，以光流对运动区域进行分割，获得运动区域的中心和半径，以该中心和半径的圆作为水平集的初始曲线；再采用Songand Chan方法快速检测运动目标的边缘．实验证明，该方法能够快速、准确地自动跟踪运动目标．     

基于高速球形摄像机的运动目标检测与实时跟踪系统

利用高速球形摄像机和图像采集与处理单元，设计了一种运动目标检测与实时跟踪系统．首先用混合高斯背景模型实现对运动目标所在区域的识别，由此确定运动区域的质心，并以该质心为中心初始化跟踪窗口；然后在目标区域内提取颜色特征，通过CamShift算法计算目标的精确位置并调整搜索窗口大小．系统利用这些信息，通过串口控制高速球形摄像机的运动，使目标始终位于摄像头的视场范围内，并尽可能位于视场中央，以实现对运动目标的快速准确的实时跟踪．在艾立克一体化球形摄像机上进行了实验，验证了本系统的有效性．     

基于虚拟仪器的靶标动态图像测试技术

为了实现动态目标的快速跟踪、定位和检测，设计了基于虚拟仪器的靶标动态图像测试系统。该系统利用LabVIEW和IMAQ Vision完成软件编程，对实际靶场靶标动态图像进行采集、识别、跟踪、回放和数据处理。结果证明，虚拟仪器能快速、准确地处理偏离靶标的误差以及误差统计特性。     

一种复杂图像目标的分割与识别

研究受光照等因素影响的表面灰度随机变化的空中图像目标的分割与识别。提出了改进的多阈值八邻域像素比较边缘检测算法,对得到的边缘像素进行填充,并在跟踪过程中消除轮廓上的短枝及图像干扰,最后采用快速多边形近似算法,用多边形顶角及目标形状因子作为特征对目标进行识别。     

复杂背景下的红外小目标图像信息提取

针对红外小目标跟踪测试系统的目标检测、识别和跟踪,存在着目标面积小、形态特征弱化、背景图像复杂等因素而影响目标信息提取的问题,提出了利用图像处理技术方法,对跟踪系统获取的图像进行改善处理.根据跟踪测试原理和复杂背景目标图像特征,研究了基于低通滤 波法的目标图像的预处理算法,目标图像增强,目标图像与背景分离和Sobel边缘检测算法等图像处理技术,从而对红外小目标图像定位.实验结果表明:所采取的图像处理方法可以对复杂背景下的目标信息提取,结合跟踪系统的控制机制,现实远程目标的动态跟踪.     

一个基于知识的目标跟踪信息处理系统

提出了一个基于知识的目标跟踪信息处理系统，系统采用结构化的黑板模型．领域知识不仅用来指导高级的目标识别与跟踪，也用来指导低级的图像分割．研究了一种不确定性知识的表示方法和推理模型，知识用产生式规则和过程表示．实验表明，所提出的方法是切实可行的．基于知识的目标跟踪系统在目标识别、跟踪精度、抗干扰能力和自适应能力等方面比传统方法优越．     

一种快速高效的手势跟踪识别方法

为了降低识别复杂度,提高识别效率,实现手势的快速高效跟踪,提出一种分情况检测思想和搜索框概念。首先对图像进行细检测,得到目标的准确位置,然后通过粗检测与跟踪相结合的方式进行目标跟踪,并对跟踪结果进行修正和可信度判断。实验结果显示:算法对图像手势的平均检测跟踪正确率可以达到97.36%,且保证平均漏检率在5%以下,对各种外界因素具有较好的鲁棒性;算法对视频图像的处理速度达19.42帧/秒,满足人机交互系统中的实时性需求;与TLD算法相比,本算法在处理速度上有数量级的改善,算法结果的正确率也有明显优势。     

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.     

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.     

交通车辆轮廓跟踪算法研究及其工程应用

针对模式识别在智能交通领域的实际工程应用，提出了一种提取运动车辆轮廓线的精细跟踪算法．首先，通过冗余离散小波变换法提取运动区域，检测出相邻两帧图像内的运动变化从而确定运动对象的存在及其初始位置；其次，以当前帧运动区域为参考，通过改进的mean-shift算法在后续帧中跟踪运动对象的中心位置；最后，以mean—shift跟踪窗口作为目标初始轮廓线，采用自适应水平集法得到目标轮廓，从而精确定位运动对象位置．实验结果表明本文算法能够以轮廓线的方式以较高精确度跟踪运动车辆目标，目前已被市交通局科研单位采纳，具有一定的工程应用前景．     

基于随机蕨丛的长期目标跟踪算法

为了从根本上解决运动目标遮挡、环境光照变化、目标外观变化、目标运动速度过快等复杂情况下的目标跟踪问题,采用了将目标检测与标准的目标跟踪算法相结合的目标跟踪框架,提出了基于双向一致性误差评估的标准跟踪算法,提高了跟踪点的可靠性;采用随机蕨丛算法作为目标检测的主体,很好地解决了目标遮挡、消失等情况导致跟踪失败后无法重新初始化的问题.通过实验验证了所提出的目标跟踪算法能实现目标的长期跟踪,且具有很强的适用性.     

基于网格的运动目标检测与跟踪处理

为提高运动目标的检测与跟踪处理速度,设计了一个基于网格计算的解决方案,应用网格计算以分布并行方式来处理图像序列. 网格计算节点上执行的一个任务对应处理图像序列中的一个帧图像单元,一个帧图像单元包含了每次处理过程中所涉及的一帧或多帧图像,因而网格计算中的任务数即为图像序列中的帧图像单元数. 利用Condor系统搭建了一个网格计算试验台,开发了一个用户交互界面和若干中间件服务模块. 以基于相邻帧差法和模板匹配法的运动背景下的目标检测和跟踪算法为例进行了试验. 试验结果表明,该方案具有可行性,并能大幅度缩减计算时间,提高处理效率.      

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.     

一种基于列扫描灰度差异的快速目标识别定位算法

以动态连续图像的实时识别与定位为应用背景，提出了一种简单的快速的目标识别定位算法，该算法以列扫描灰度特征差异为基础，同时研究了灰度峰谷点的特征，使该算法不仅可以快速地识别出简单的目标，而且可以快速地识别出比较复杂的目标，最后通过一系列的实验验证了该算法的快速性。     

基于Mean-Shift的运动目标跟踪

Mean-Shift跟踪算法由于计算复杂度低、跟踪效果好、实时性强等优点被越来越多地应用到视觉跟踪领域.对Mean-Shift算法的跟踪原理进行详细分析,给出基于该算法的运动目标跟踪过程及实现方法.最后,对复杂背景下人物序列图像进行跟踪实验,实验结果表明,该方法具有很好的跟踪性能,对于短暂小幅遮挡具有很好的鲁棒性.