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。     

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。     

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。     

基于三维坐标的运动目标跟踪

基于二维坐标的多运动目标跟踪,在跟踪过程中由于目标相互遮挡,算法无法分清各个运动目标,导致跟踪目标失败。而三维坐标具有深度信息,利用目标遮挡前后坐标的不突变性能很好地分清各个目标,为此提出基于三维坐标的运动目标跟踪方法。首先,采用背景差法进行目标检测;其次使用sift算法对目标特征提取,运用极线约束对目标特征点进行立体匹配以及三维重构并使用模糊C均值聚类算法(FCM),确定运动目标中心三维坐标;最后结合Kalman滤波实现目标跟踪。实验和分析结果表明,算法能够较好地适应目标遮挡下的跟踪,具有良好的准确性、鲁棒性。     

运动目标识别与跟踪系统实现方案探讨

本论文主要研究视频序列图像中运动目标识别与跟踪的基本原理及实现方案。运动目标识别与跟踪系统是主要是通过对成像设备所获取的图像序列进行处理,力图从复杂的背景中识别出目标,并对目标的运动规律加以预测,实现对目标的连续、准确的跟踪。系统的算法涉及目标图像的预处理、目标识别与目标跟踪等。     

非高斯噪声背景下计算机视觉目标跟踪方法

针对杂波背景下计算机视觉目标跟踪问题,提出一种非高斯噪声背景下计算机视觉目标跟踪方法.在视频目标运动模型和观测模型的基础上引入了柯西混合噪声模型,对非高斯噪声运动目标的状态进行建模;然后,在传统高斯噪声粒子滤波的框架内给出文中方法的具体实现步骤.针对大面积遮挡和夜晚光照改变的极端情况下对路上行驶的车辆进行实时跟踪实验,结果表明:文中方法明显提升极端杂波环境下的目标运动过程的建模精度,有效提升目标跟踪精度.     

基于SIFT特征点的目标跟踪算法

提出一种结合背景建模方法和基于SIFT特征点匹配方法的目标跟踪算法,该算法首先使用背景建模方法获得目标区域,然后对目标区域进行SIFT特征点提取,再利用特征点匹配方法实现视频目标跟踪,为了减小误配点,采用RANSAC方法来消除误配点。最后对算法进行了实验,实验结果表明,该算法可有效跟踪运动目标。     

背景移动补偿技术的研究

研究利用背景移动补偿方法消除运动图像相邻帧相减造成的背景杂波,从而把复杂背景下运动目标的识别问题转化为简单背景下的目标识别问题。利用背景中特征较为明显的区域进行模板匹配,得到背景的运动数据,依据此数据将相邻帧图像错位相减。将差分图像中的背景杂波去掉,只剩下运动物体的边缘和高梯度区域,有利于目标的识别。背景移动补偿实验结果表明该方法是行之有效的。     

基于自适应学习速率混合高斯模型的背景消除

背景消除是智能视觉监控和自动目标识别与跟踪首先要解决的问题。采用混合高斯模型对背景图像进行建模,并应用图像的相关性与各点的置信度对背景模型的学习速率进行快速更新,完成背景模型的重建。与其他方法比较,该方法能够有效地对新背景进行快速的学习和适应,达到动态背景下运动目标实时跟踪的要求。     

基于DSPs的运动目标检测与匹配

建立了一个基于TMS320C6701的DSPs系统,实现复杂背景中单个运动目标的实时跟踪.同时给出在复杂背景下人物自适应跟踪的实验结果.在这基础上,结合运动目标检测技术和模板匹配法,讨论一个复杂背景下多运动目标自适应跟踪系统,同时也给出运动目标检测和模板匹配的实验性结果.     

基于自适应学习速率混合高斯模型的背景消除

背景消除是智能视觉监控和自动目标识别与跟踪首先要解决的问题.采用混合高斯模型对背景图像进行建模,并应用图像的相关性与各点的置信度对背景模型的学习速率进行快速更新,完成背景模型的重建.与其他方法比较,该方法能够有效地对新背景进行快速的学习和适应,达到动态背景下运动目标实时跟踪的要求.     

复杂环境下运动目标跟踪

主要针对复杂背景环境下的非刚体运动目标,采用基于核密度加权的颜色模型粒子滤波器算法对目标进行跟踪。利用巴特查里亚距离作为判据检测跟踪错误,并以此指导跟踪过程的恢复。仿真实验表明,该方法能够对复杂环境下的运动目标进行有效跟踪,并且有较强的抗干扰能力和自动恢复能力。     

基于自适应学习速率混合高斯模型的背景消除

背景消除是智能视觉监控和自动目标识别与跟踪首先要解决的问题.采用混合高斯模型对背景图像进行建模,并应用图像的相关性与各点的置信度对背景模型的学习速率进行快速更新,完成背景模型的重建.与其他方法比较,该方法能够有效地对新背景进行快速的学习和适应,达到动态背景下运动目标实时跟踪的要求.     

TMS320C6701在运动目标实时跟踪中的应用

描述一种使用高速图像处理器和摄像头进行运动目标实时跟踪的系统 .图像处理器的核心由一块TMS32 0C6 70 1数字信号处理板及图像实时采集卡构成 .在对采集的初始图像序列作若干预处理后 ,采用改进的加约束的光流场算法从复杂背景中快速地计算出光流场 .根据运动目标的形状特征 ,较为完整地提取出运动目标区域 ,并计算目标运动的速度大小和方向 ,最后根据这些参数控制摄像云台机构持续跟踪移动的目标 .文中还给出在复杂背景下跟踪人物的实验结果 .     

复杂环境下运动摄像机稳定跟踪运动目标算法

在复杂环境中,运动摄像机跟踪运动目标是一项相当困难的工作。在基于目标颜色特征的Mean Shift跟踪算法中,引入感兴趣区域（ROI,Region of Interest）,减少背景干扰及降低计算消耗。提出基于目标强度和目标面积的目标危机判别函数,对强干扰、遮挡情况进行识别;采用直方图维数和量化等级数自适应选取策略解决强干扰,采用子区域搜索选优策略解决目标遮挡和重新捕获的问题。为使被跟踪目标锁定在摄像机视野中央区域,采用基于速度调节的闭环控制模型,驱动PTZ摄像机,跟踪运动目标。实验结果表明,算法对背景干扰和遮挡具有较强的适应性,摄像机可以平滑稳健地跟踪快速运动目标,而且系统计算代价小,完全达到了实时的运行速度。     

基于Kalman滤波器与肤色模型的手势跟踪方法

有效和鲁棒的手势跟踪是动态手势识别的前提,针对手势及其运动的特点,提出了结合Kalman滤波器和肤色模型的手势运动目标跟踪方法.首先通过背景差法和YCb’Cr’空间上的椭圆肤色模型检测出手部运动目标,通过目标区域的空间结构参数来设置Kalman滤波器的各项运动参数,然后计算空间结构特征的跟踪匹配函数对目标预测位置进行修正,获得运动手势目标区域及其运动轨迹.实验结果表明,所提方法能有效地跟踪手势,并能较好地适应手势在运动过程中的手形变化、轨迹转弯等情况,检测准确,鲁棒性高.     

一种基于YUV色彩空间的阴影检测方法

针对计算机视觉处理系统中,阴影会严重影响到对目标的跟踪、识别和图像场景的理解的问题,提出了一种基于YUV色彩空间的阴影检测方法并给出了与不同色彩空间的实验对比结果.该算法将分割出的运动目标与背景在亮度和色度进行对比,从而区分出运动目标和运动阴影.实验证明,与其他的阴影检测的算法相比,该方法具有更高的准确性和更快的检测速度.     

基于MPEG—2视频流的目标跟踪快速算法

提出了一种新的目标跟踪算法 .对于输入的一组由静止摄像机捕获的 MPEG- 2视频流 ,该算法不需对其进行解码即可对场景中的运动物体直接进行目标跟踪 .MPEG- 2码流中的直流 ( DC)系数和运动矢量在目标跟踪算法中作为运动物体的特征被直接使用 .实验表明 ,该算法针对MPEG- 2视频流进行的目标跟踪具有实时性 ,也排除了复杂背景中的局部变化对跟踪结果产生的影响 .     

一种视频序列中运动目标的检测与跟踪方法

运动目标的监控与测量在汽车导航和智能监控行业中得到大量应用。本文提出了基于统计背景模型和灰度质心模型的运动目标检测和跟踪算法。在此方法中先建立背景的高斯模型,然后检测出场景中的运动目标,最后根据目标检测的结论,得到运动目标灰度质心的计算结果,并在坐标系中记录位置,采用最小二乘法拟合实现了对运动目标的跟踪。相应的实验结果表明这种方法能有效检测和跟踪运动目标。     

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.