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.     

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Kim与Camshift结合的运动目标跟踪算法

为了能够准确和快速的跟踪部分遮挡的运动目标,提出了Kim与Camshift相结合的运动目标跟踪算法。首先通过Kim算法(即帧差法与背景相减法结合)自动的提取目标,通过提取目标确定运动区域及运动区域的质心,然后通过此运动区域提取目标特征,用Camshift方法进行跟踪。此法克服了传统Camshift算法需要人为定位,对部分遮挡目标出现目标丢失和跟踪区域偏移的情况,最后通过实验验证了本算法对部分遮挡运动目标跟踪有较好的鲁棒性。     

基于改进粒子滤波算法的比较分析研究

提出一类改进的粒子滤波算法.对于建议分布的选取方案,此算法采取强跟踪分散的卡尔曼滤波方式建立它的建议分布.由于线性调节参数,此算法让系统拥有更优越的自适应性及鲁棒性,对高机动目标具有更强的跟踪效果,继而为强跟踪扩展卡尔曼滤波的能力.仿真结论说明,此算法的性能比别的几类非线性滤波算法更加优秀.比如辅助粒子滤波器(APF)、迭代扩展卡尔曼粒子滤波器(IEKE-PF)、Unscented粒子滤波器(UPF)、正则化粒子滤波器(RPF),则是在bootstrap粒子滤波器提出之后,继而出现的改进的粒子滤波器0基于粒子滤波,本文提出了阻止粒子退化的两个重点原因,以及选取合适的采样建议分布及重采样算法.     

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.     

一种新型自适应粒子群优化粒子滤波算法及应用

基于粒子群优化的粒子滤波算法精度不高,运算复杂度大,难以在实际工程中应用. 为此,文中提出一种新型邻域自适应调整的动态粒子群优化粒子滤波算法. 该算法考虑了粒子的邻域信息,利用多样性因子、邻域扩展因子和邻域限制因子共同对粒子的邻域粒子数量进行自适应调整,控制粒子对邻域的影响,减轻局部最优现象,达到收敛速度和寻优能力的最佳平衡. 利用UNGM模型、目标跟踪模型以及故障检测模型对算法的性能进行仿真测试,结果表明：该算法与PSO-PF相比提高了精度和运算速度,具有实际工程应用价值.     

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.     

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%.     

基于OpenCV运动中可变特征目标的检测和跟踪

利用OpenCV计算机视觉库实现运动中目标的检测和跟踪,其目标特征允许发生变化,在运动的情况下实现上述功能要求设计的程序代码注重实时性。使用摄像头对目标物体所在场景进行图像采集,按Haar特征的积分图运算方式,快速地产生含有当前和预估下的目标特征的级联分类器用于目标检测识别。在整个检测过程中,加入了自主学习的模块,通过不间断地对目标进行新特征采样和学习、更新级联分类器,解决在运动状态下识别产生新特征的目标。实验结果表明,本设计在目标物体或摄像头各自运动过程中能实时地有效地对目标实现检测和跟踪功能。     

基于粒子滤波与BP神经网络的短时交通流预测

为了有效缓解当前交通拥堵问题,结合时下流行的智能交通系统,本文将粒子滤波算法引入短时交通流预测过程中,提出一种基于粒子滤波与神经网络的预测算法。该系统通过BP神经网络的非线性映射功能,分裂选择适当的权值,在多次训练之后能够提高算法中粒子的多样性,改善算法滤波的性能,最终达到提高预测精度的目的。另外,本文以河南省新乡市交通局公交和出租车数据作为数据来源,通过与传统的粒子滤波算法和BP算法的预测结果进行对比,发现本文所提出的方法对短时交通流预测具有更好的预测精度。     

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.     

运动目标实时跟踪系统的设计

针对目前运动目标跟踪系统结构庞大、实时性差等问题,以高性能DSP芯片TMS320C6416为核心处理器,结合先进的FPGA技术设计了视频信号采集与处理的运动目标实时跟踪系统.系统采用改进的光流算法检测运动目标的运动参数,并以此控制摄像机跟踪运动目标.整个系统设计紧凑、简洁.实验结果证明系统具有很强的实时性和良好的稳定性.     

基于NiosⅡ软核处理器的运动目标跟踪系统设计

本文介绍一种用SOPC(可编程片上系统)技术设计的目标实时检测与跟踪系统。该系统在单片现场可编程门阵列(FPGA)中定制NiosⅡ软核处理器,用单片FPGA代替传统的DSP+FPGA架构,利用硬件实现背景获取及更新等,软硬件协同完成对目标的实时跟踪。实验结果表明,系统不但体积小、功耗低、实时性强,而且在复杂的地物背景下,能够稳定、精确地跟踪目标。     

云天背景下的运动目标检测

针对云天背景条件下运动目标的检测问题，在传统的帧间差阈值法的基础上，运用隔帧差分的方法。通过差分前后的2次滤波，根据图像的连通性原理，精确地提取出运动目标的轮廓。     

基于混沌思想的粒子群优化算法

为克服粒子群优化算法容易陷入局部最优的缺点,根据混沌运动的随机性、遍历性特点,提出一种基于混沌思想的粒子群优化算法(CPSO).该算法利用种群适应度方差进行早熟收敛判断,实现对进化过程的监视,当发现种群陷入局部最优时,对种群进行混沌初始化,帮助种群摆脱局部最优点.对4种典型测试函数的仿真结果表明,改进算法明显减少了种群陷入局部最优的可能性,其全局寻优能力明显强于标准粒子群优化算法.     

基于演算侧抑制模型的运动目标检测方法

研究了一种新的基于时空信息的运动目标检测方法.引入了多通道的概念,采用演算侧抑制模型ALI进行运动目标检测.首先根据时域信息创建多个图像处理通道,将视频图像在各通道上分别进行时域ALI、时空域ALI运算获取运动信息,然后将各通道运动信息进行融合提取运动目标,并用时空域ALI消除噪声.仿真实验表明,该方法在复杂背景下可以精确获取运动目标的轮廓.     

图像分块模板匹配的高速运动目标跟踪技术研究

在针对高速运动目标进行图像采集时,高速运动目标动态性强,进行模糊的图像采集效果不良,同时高速运动目标的特征性结构复杂,在对高速运动目标进行图像采集时追踪目标较为困难,为更好解决这一技术性问题,本文提出基于图像分块模板匹配的高速运动目标追踪技术.试验针对高速运动设计图像采集模型并同时对高速运动目标边特征点缘采用灰度直方图...     

网球视频中基于背景模型的目标跟踪方法

针对网球视频中网球和球员的自动跟踪面临着诸多困难,提出基于背景模型的目标跟踪方法.该方法通过平滑化所给出的图像、累加背景图像,创建一个平均背景模型,然后在当前帧和下一帧之间执行图像差分,并在所创建的背景图像中执行逻辑与操作并获得图像差分结果.实验采用两个网球公开赛视频序列评估提出方法的性能,实验结果表明,提出的方法能精确地检测和跟踪视频中球和球员,其中,第一个网球公开赛中的球跟踪率约为94.26%、球员跟踪精度约为91.49%,第二个网球公开赛中球跟踪率约为92.87%,球员跟踪精度约为90.75%.     

基于DAM6416P的运动目标检测跟踪系统

基于DAM6416P图像处理平台设计了运动目标检测跟踪系统．该系统采用预置点之间循环扫描的方式对场景进行监控，用帧差法检测有无运动目标出现；发现运动目标后根据目标质心的运动情况控制云台的运动．实现对运动目标的跟踪。实验结果表明系统能够对运动目标进行及时准确地检测和跟踪。     

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