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%.     

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.     

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.     

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SIR粒子滤波和局部搜索算法的运动目标跟踪方案

针对视频处理中的显著运动目标跟踪问题,提出一种基于序列重要性重采样(SIR)粒子滤波和局部搜索算法的运动目标跟踪方案.首先,对视频序列进行SIR粒子滤波,获得粒子的似然分布,并对粒子进行加权;然后,构建粒子的动态模型和观测模型;最后,当检测到目标运动时,根据每个时间步上观测似然的反馈信息,利用局部搜索算法自适应更新粒子的动态模型,从而实现目标的动态跟踪.实验结果表明,该方案能够有效地跟踪运动目标,且对目标背景、大小、遮挡和光照等因素具有鲁棒性.     

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.     

使用稠密SIFT特征表达目标的跟踪方法

提出了一种使用稠密SIFT特征进行目标跟踪的算法.该算法首先将表达目标的矩形区域分成相同大小的矩形块,计算每一个小块的SIFT特征,再对各个小块的稠密SIFT特征在中心位置进行采样,建模目标的表达.然后度量两个图像区域的不相似性,先计算两个区域对应小块的Bhattacharyya距离,再对各距离加权求和作为两个区域间的...     

高校网球文化对普及网球运动的影响

高校网球文化是高校体育文化的重要组成部分,他也必将成为全民网球运动普及与发展的先导.作为具有深厚、丰富文化底蕴的高校,它的网球运动的开展,在很大程度上影响着高校所在城市及区域网球运动的发展.对高校网球运动的现有设施、师资、师生参与动机,以及高校网球运动开展的优势及受限因素进行分析,提出普及与提高高校网球运动的合理建议,进而推动我国网球运动的普及和竞技水平的提高.     

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。     

图像处理技术在运动目标跟踪检测中的应用

视觉坐标测量系统中，被测目标和探测器之间常常存在相对运动，造成光电探测器采集的图像模糊．本文从空间频率的角度分析了图像模糊及复原对图像测量系统的影响．图像测量系统传递函数分为：光学成像系统、图像因匀速运动而导致的图像模糊、模糊图像恢复和光电探测器的图像离散化等几部分来考虑．认为系统总体传递函数是这几部分影响的综合结果，并据此判定图像测量系统等效分辨率．     

网球运动中基于肌力不平衡性的网球肘评估方法

网球运动员容易患上网球肘等症状,为了预防和治疗网球肘,提出一种基于前臂肌力不平衡性的网球肘评估方法.首先,设计了一种测力装置,用来测量手腕、掌指(MCP)和组合手腕-MCP执行发力动作时的力矩.同时,通过4个肌电(EMG)电极测量受试者动作时相应肌肉的EMG信号.然后,根据EMG信号对测量的力矩进行校正,从而获得主动肌与拮抗肌的活化指数和伸展与屈曲动作的关节力矩比.以此来计算受试者的前臂肌力不平衡性,用来预防网球肘和表征治疗效果.实验结果表明,提出的方法能够准确地测量肌力不平衡性,为网球肘的预防与治疗提供有力依据.     

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。     

缓冲算子及数据融合技术在目标跟踪中的应用

针对复杂环境下的多雷达目标跟踪问题,把灰色系统理论中的缓冲算子引入到多雷达目标跟踪领域,并通过对原始冲击扰动序列的改进来弱化其随机性.同时应用数据融合技术,对缓冲算子作用后的随机振荡序列作进一步改善和提高雷达系统的跟踪精度.仿真结果也表明,该方法是有效、可行的.     

运动目标追踪的一种鲁棒算法

提出一种基于SURF与帧间差分的运动目标的跟踪算法.通过对采用帧间差分法获得运动目标,并结合SURF特征点提取来减少噪声影响,从而提高目标特征鲁棒性.实验结果表明,这种方法能够提高匹配的准确度与速度,并且对于旋转、光线变化等导致的跟踪性能下降问题,具有较好的鲁棒性.     

无线传感器网络目标探测定位跟踪问题研究

为在低耗能下完成更为精确的目标全程跟踪,提出了基于动态子网思想的目标探测定位和跟踪算法,并按照目标跟踪流程分别从簇头选择、目标探测、目标定位和目标跟踪4个阶段设计.仿真结果表明,相比于全网激活和固定子网策略,本算法在定位误差、预计误差和整体能耗三项指标中均处于最佳地位,有着极强的性能优势.     

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...     

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     

基于支持向量机的多特征选择目标跟踪

目标判别跟踪方法一般以单一跟踪结果(正样本)和部分负样本训练分类器,并只用单一的特征描述目标,因此在目标发生遮挡、光照变化、形变等情况下很容易导致跟踪的失败. 为了克服单一正样本和单一特征训练的分类器导致跟踪不稳定的问题,提出一种基于支持向量机的多特征描述、多个正负样本进行分类器训练的目标跟踪方法,用训练分类器对所有候选粒子的不同特征进行判别和选择,并将具有最大置信概率的粒子确定为跟踪结果. 在跟踪过程中,利用子空间学习的方法实现正样本的更新,并以更新后的正负样本训练分类器. 实验结果表明,该方法在目标存在遮挡、光照变化、形变等情况下均可以取得较好的跟踪效果.     

基于决策树的网球选材指标学习方法

基于决策树算法,通过对网球选材指标数据进行挖掘,找出重要的选材指标,剔除冗余指标,并获得合理的成绩评判标准,最终建立网球选材指标评价模型.针对闽南师范大学体育学院学生数据进行相关挖掘,结果显示：部分指标（4×10 m折返跑、立定跳远等）在选材中起重要作用,部分指标（如肺活量）显得冗余.