运动目标检测跟踪方法研究

研究了在简单背景下实现对单一运动目标识别跟踪,并给出了系统的原理图和结构图。介绍了利用帧差法实现对运动目标的识别,结合形态学中的开运算和闭运算对初识别后的二值图像进行双滤波,再对运动区域进行跟踪与标注,将运动目标用矩形框包络起来。实验结果表明,该方法能够在简单场景下对运动目标进行实时识别跟踪,达到预想的效果。     

体育场景中的视觉目标跟踪研究进展

目标跟踪是计算机视觉中构建复杂运动分析系统的关键任务之一。体育运动比赛因其趣味性深受广大观众喜爱,对体育视频中的运动目标进行跟踪在赛后复盘、技术提升、教育教学以及媒体传播上都有着广阔的应用前景。近年基于深度学习的体育视频跟踪技术取得了显著进展。本文首先介绍了体育视频中目标跟踪研究背景,给出了基于深度学习的体育目标跟踪的定义与分类。其次分别从球类目标跟踪、单摄像机运动员跟踪以及多摄像机多运动员跟踪三个方面总结了体育视频中目标跟踪的研究现状,提炼出统一的算法流程并对其进行技术分析和总结。最后讨论了体育视频中视觉目标跟踪存在的挑战和未来发展方向。     

基于视觉的智能移动机器人的运动目标检测与跟踪

目的扩大机器人的目标搜寻范围,并对运动目标进行跟踪。方法提出了将运动背景下运动目标的检测方法应用于机器人目标检测与跟踪,并使用基于视觉的目标跟踪方法。结果机器人在运动状态下仍然能够进行运动目标检测。结论移动机器人能够在运动过程中准确地检测出运动目标,并有效地提高了目标检测的能力。     

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。     

视频中运动目标跟踪仿真研究

运动目标的检测与分割在计算机视觉系统中,是一个非常重要的问题。本文对视频中目标跟踪的不同方法进行了仿真研究。通过Matlab程序来获取视频,使用背景减差法来检测出运动目标,为了得到目标的主轴方向,提出了边缘梯度法。实验证明,该方法效果明显。使用EKF和UKF来对目标进行跟踪。将跟踪结果和目标检测结果进行了比较,说明了不同滤波跟踪方法的效用。同时,也展望了目标跟踪的未来发展方向。     

基于DM642的运动目标自动跟踪实验平台研制

为测试运动目标自动检测与跟踪算法在DSP系统中的运行性能,以及加强大学生创新能力的培养目标,设计了1套以DM642硬件为核心的运动目标自动跟踪实验平台,实验平台的软件系统采用模块化设计。介绍了基于背景减除的运动目标检测和改进CamShift跟踪算法的原理,并给出了运动目标自动检测和跟踪的实验结果。实验结果表明,该实验平台能够对设计的运动目标跟踪算法进行实时的运行,为跟踪算法的实际应用提供1个方便的测试平台。     

基于增量部署的无线传感器网络目标跟踪方法研究

目的基于无线传感器网络(wireless sensor network,WSN)进行运动目标定位和跟踪问题研究。方法利用双曲线交汇法建立无线传感器网络目标定位的数学模型,并在此基础之上提出一种基于增量部署的方法对运动目标进行定位和跟踪。结果与结论仿真结果显示该方法能够有效地对目标进行跟踪定位。此外,通过仿真发现了基于此方法的无线传感器网络所需的传感器数量与目标的运动状态、传感器节点的投放距离以及角度等之间的关系。     

基于边缘特征的运动目标提取与跟踪

运用聚类准则，提出了一种获取二值边缘图的自动门限法，研究了序列图像中目标跟踪窗的自适应调整，并在此基础上进行了复杂背景中运动目标匹配跟踪试验。试验结果表明，本方法提高了复杂背景中运动目标跟踪的能力，可作为常规跟踪方法的补充，以达到稳定跟踪。     

被动声目标定位与跟踪的实验研究

目的　研究被动声定位和跟踪的可行性。方法　设计被动声目标定位、跟踪的实验系统,并进行静目标定位实验与运动目标定位与跟踪实验。结果　实验系统对静目标测向精度较高,而测距精度很低;对恒速运动目标,采用测向信息和多普勒频移信息相融合的算法得到了目标运动速度、距离的精确估计。结论　将基于时延估计的被动声测向和线谱频率估计的多普勒频移信息融合可实现对恒速运动目标的跟踪。     

未知环境下移动机器人运动目标跟踪技术研究进展

运动目标跟踪技术是未知环境下移动机器人研究领域的一个重要研究方向 .针对该技术的高度复杂性 ,在介绍了未知环境下目标跟踪技术的几个特点的基础上 ,对其中两个关键环节即目标建模与图像跟踪算法的主要思想和方法进行了较详细的分析与比较 ,指出了该领域的研究难点和待解决的问题 ,并对未来的发展做出了展望 .     

运动序列图像中目标点的自动定位与跟踪研究

目标跟踪是视频运动图像数据分析前期的一项关键技术,通过对目标点的定位跟踪,以便研究人员在跟踪过程中提取运动目标的相关参数,有助于对视频图像中目标的运动技术进行分析。结合模板匹配快速定位算法与Mean Shift算法,研究了运动图像序列中目标点的自动定位与跟踪问题。实验结果显示,算法具有良好跟踪效果。     

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.     

基于边缘特征的运动目标提取与跟踪

运用聚类准则，提出了一种获取二值边缘图的自动门限法，研究了序列图像中目标跟踪窗的自适应调整，并在此基础上进行了复杂背景中运动目标匹配跟踪试验，试验结果表明，本方法提高了复杂背景中运动目标跟踪的能力，可作为常规跟踪方法的补充，以达到稳定跟踪。     

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Song and 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.     

跟踪运动目标背景下无人机航路的规划

现代战场中,无人机携带光电设备对运动目标进行跟踪是无人机的重要应用之一。以无人机独立执行跟踪运动目标为背景,在对其所用光电跟踪设备(CCD摄相机)进行分析的基础上,根据跟踪航路的要求,规划出了光栅式跟踪运动目标方案。对所规划方案的技术指标进行了研究,并总结出了光栅式跟踪方案的特点。最后,通过仿真对这此方案进行了验证。仿真结果表明方案可行,这对无人机执行跟踪运动目标的任务在理论上提供了一种可行方案。     

智能交通系统中的车辆跟踪与识别研究

在智能交通系统中,车辆的实时定位、识别和跟踪是关键部分。它要求从摄像机所得到的图像序列中,检测并且定位出运动车辆的位置和角度姿态,并对感兴趣的目标进行跟踪,建立多目标运动轨迹。本文主要介绍了基于图像处理技术的车辆识别与追踪研究。     

基于交互式多模型的雷达单目标跟踪算法

针对民用小型无人机被广泛应用而带来的安全隐患问题,本文将交互式多模型算法应用于雷达单目标跟踪系统,并对其进行了研究与仿真.首先,建立常见的目标运动模型,对每个运动模型的状态方程进行分析,介绍了交互式多模型算法的原理及计算方法.然后,分析了坐标转换误差对雷达跟踪性能的影响,并给出转换误差的补偿结果.最后,通过蒙特卡洛仿真...     

目标跟踪方法的研究进展

目标跟踪逐渐成为人们研究的热点,并广泛地应用到军事、民用领域中。本文对目标跟踪原理进行了概述,讨论了几种经典的目标跟踪算法,对当前目标跟踪领域中用到的新的方法进行了介绍,最后总结了未来目标跟踪的发展方向。     

基于背景学习与方向预测的车辆图像跟踪

针对移动目标检测,提出了基于变化因子参考背景学习与方向预测算子的图像跟踪方法.以高速行驶车辆为目标建立变化因子,在此基础上进行视频图像参考背景的学习,并通过互相关匹配与坐标变换实现运动目标的定位及速度确定,结合方向预测算子对车辆行驶矢量进行预测,进而实现目标车辆的图像跟踪.跟踪实验及性能比较证明本方法可获得准确稳定的运动车辆跟踪结果,为运动目标的图像监控研究提供了新的思路.     

被动声目标定位与跟踪的实验研究

研究被动声定位和跟踪的可行性。方法设计被动声目标定位,跟踪的实验系统,并进行静目标定位实验与运动 目标定位与跟踪实验。结果实验系统对静目标测向精度较高,而测距精度很低;对恒速运动目标,采用测向信息和多普勒频移信息相融合的算法得到了目标运动速度,距离的精确估计。