基于人类行为下的多目标跟踪视觉时序注意控制算法研究(英文)

由于移动式机器人所携带的传感器资源有限,能够在时间维度上共享传感器资源,实现多目标跟踪,是智能化机器人重要的研究领域之一.本文提出了一个基于人类行为模型的时序注意控制算法,能够实现使用单个2自由度摄像头实时监控多个自由移动的目标物体.该算法基于以下三个控制原则:①最小化监控目标位置预测的不确定性以及各个目标物预测效果的差异;②最小化多目标跟踪过程中摄像头切换视角所需的能量消耗;③最大化能够呈现在摄像头视觉范围内的目标物体的个数.算法根据当前检测到目标信息,通过卡尔曼滤波,预测目标物的运动规律,选择下一时刻摄像头的最佳注意视角.该算法通过matlab仿真以及在移动式机器人实体上进行了实验验证,结果显示,该算法能够在时间顺序有效的共享单个摄像头资源,检测摄像头视角范围内的目标的位置,并根据上一个时间点的检测信息预测视角范围外的目标,实现跟踪多个目标物体,降低预测及跟踪的误差,并优化跟踪过程中切换摄像头视角的能量损耗.     

CTF定位策略下基于多特征的智能机器人目标跟踪

针对复杂环境下机器人目标跟踪问题,提出由粗到精定位策略下基于多特征的智能机器人目标跟踪方法.该方法首先利用射频识别系统实现目标粗定位,然后采用自适应模板匹配算法、改进核函数的连续自适应均值飘移算法及扩展卡尔曼滤波算法提取目标头肩形状、衣服颜色与运动特征,实现精确定位.最后根据人机运动状态设计基于模糊规则的智能调速控制器,实时自动调整机器人的基准线速度与转弯增益,以稳定跟随运动目标.实验结果表明,该方法能有效保持人机之间的安全距离,对遮挡、相近颜色背景干扰及目标突然转弯的跟踪问题有较强的鲁棒性.     

基于多路图像融合的目标跟踪系统设计

针对传统视频监控在区域面积较大的场所具有目标跟踪范围有限、小目标特征不全、数据存储浪费、信息检索复杂等问题,提出基于多路图像融合的目标跟踪系统的设计方案及相关算法。根据现有智能视频分析技术,提出基于双重机制的目标检测算法以提高目标检测效率和准确度,设计单摄像头目标跟踪与特征放大并行方案解决目标跟踪不流畅及目标特征不全的问题,提出多摄像头协同跟踪与视频图像融合算法解决大范围连续跟踪问题。实验测试表明,系统能较好地在摄像头之间连续跟踪目标,并将各摄像头获取的目标关键数据进行有效融合,数据存储量小,能满足无人值守时监测需要,具有一定的实用性和可推广性。     

基于目标模板库的多任务目标持久跟踪

针对长时间跟踪造成的信息丢失问题,提出了一种借鉴人类视觉记忆机制构建目标模板库的算法,该方法能在跟踪中记忆有用目标信息,实现持久稳定的跟踪.首先采用多任务跟踪法把视频序列分成多个子任务进行多线程分块局部跟踪,然后采用模板匹配和特征融合下的粒子滤波先后进行粗略跟踪和精细跟踪;最后把跟踪结果纳入目标模板库中更新跟踪系统.实验表明,此算法具有较好的鲁棒性和稳定性.     

一种基于改进ASM的运动目标跟踪方法

ASM是一种应用于非刚体轮廓匹配的统计模型方法,由于匹配结果的可靠性依赖于先验的灰度模型,导致灰度信息发生动态变化时基于ASM的目标跟踪效果不佳.针对跟踪中轮廓匹配的鲁棒性问题,提出了一种基于改进ASM的目标跟踪方法,该方法采用一种在线提取和更新灰度模型的机制,摆脱对目标先验灰度的依赖;并结合强边缘特征和目标内部灰度信息,改进传统ASM方法的灰度模型和搜索算法,提高了运动过程中目标附近背景信息变化情况下轮廓匹配的鲁棒性和快速性;跟踪过程中利用卡尔曼滤波预测目标位置提高了运行效率.实验验证了方法的有效性和鲁棒性.     

基于高效二阶最小化的运动模糊目标跟踪算法

针对运动模糊严重时容易导致目标跟踪失败的问题,提出了基于高效二阶最小化(ESM)的模板匹配目标跟踪算法.首先提出一种运动模糊模板匹配的图像构造模型.然后引入ESM算法,在ESM算法基础上,用改进的高效二阶最小化(ESM-MB)算法跟踪运动模板.引入摄像头快门估计时间作为参数,提出了自适应不同快门速度所引起的不同的运动模糊的ESM-MB-ST跟踪算法.最后,通过真实视频序列的跟踪实验,验证了提出的ESM-MB算法及ESM-MB-ST算法具有更强的鲁棒性与实时性.     

基于kinect摄像机的多运动目标实时跟踪

多运动目标跟踪是视频监控中的关键问题,在目标相互运动发生遮挡时,采用二维摄像头监控容易丢失信息而造成跟踪失败.本文采用kinect摄像机获取目标的RGB图像及深度图像,并分别获取基于RGB图像信息的目标颜色模型和基于深度信息的目标三维空间模型,在视频帧间将颜色、空间模型分别匹配得到目标帧间匹配度,通过Mahalanobis距离算法实现多目标匹配,从而得到多目标识别跟踪结果.实验表明,在RGB-D数据集及拍摄的视频序列上均取得了较好的跟踪结果,实现了kinect三维视觉下的实时多目标的跟踪.     

基于自适应模板的匹配算法在跟踪系统中的应用

基于模板匹配的跟踪算法具有提取信息全面、算法简捷的优点,但目前采用固定模板匹配的算法在实际跟踪过程中容易发生误判,作者经过研究提出了自适应模板匹配的算法,该算法能有效的克服上述的问题,在此基础上作者给出了初始模板的捕获和目标物位置预测的具体算法,采用了基于自适应模板跟踪算法的"DX-1"系统在实际跟踪过程中取得了很好的跟踪效果.     

基于多方法集成的目标跟踪算法

在线运动目标跟踪是目前模式识别领域的一个难点问题,目标物体角度、姿态、远近距离变化以及遮挡等给鲁棒在线跟踪算法提出了苛刻的要求,单一算法很难有效处理所有问题.多方法集成是实现鲁棒在线跟踪的一种有效手段,为此提出了一个集成on-line boosting、基于归一化互相关的模板匹配法和粒子群优化算法的自适应目标跟踪算法框架.其中,on-line boosting是基本的跟踪算法;基于归一化互相关的模板匹配法有效避免了on-line boosting过多的错误更新;而基于粒子群优化算法的跟踪策略提高了系统对快速运动、外观变化的适应能力,同时也为模板的更新提供了保障,三种算法形成了有效互补,在稳定性和可塑性之间达到了一种平衡.在不同视频测试序列上的实验结果表明,该算法有效地缓解了自适应性和漂移之间的矛盾,能够实时地完成复杂的跟踪任务.     

基于自适应模板的匹配算法在跟踪系统中的应用

基于模板匹配的跟踪算法具有提取信息全面,算法简捷的优点,但目前采用固定模板匹配的算法在实际过程中容易发生误判.作者经过研究提出了自适应模板匹配的算法,并在此基础上给出了初始模板的捕获和目标物位置预测的具体算法,采用此算法,能有效克服上述问题,在实际跟踪过程中获得了很好的跟踪效果.     

基于立体图对的颜色校正算法设计

基于多摄像机的视觉应用中通常假设统一的颜色响应。但是当摄像机之间存在较大的成像特性差异或光照变化时,所获得的立体图对间就会出现严重的色彩差别。这种差别会导致后续颜色匹配的不准确,并进一步影响立体视觉算法的性能。为了解决这个问题,提出了一个鲁棒的基于图像分割和特征点匹配的颜色校正算法。和传统的全局校正或者有参考物体的校正算法不同,提出了一种基于区域的校正算法。该方法不仅避免了全局校正算法无法满足局部需求的矛盾,同时也摆脱了设置参考物体的复杂和低效。大量实验证明了所提出算法的有效性和鲁棒性。     

多摄像机人体姿态跟踪

人体姿态跟踪是人类行为分析和识别的基础,具有广阔的应用范围。该文以人体的头肩部轮廓构成的Ω形状的曲线作为跟踪目标,利用多摄像机间的位置约束和形状约束,提出了一种基于多摄像机的人体朝向、位置和头肩部轮廓的联合跟踪算法。该算法将多视角头肩部轮廓跟踪和三维空间中的头肩部位置跟踪、朝向检测融合于同一框架中。真实场景实验表明该算法具有良好的鲁棒性和准确性。     

基于局部分块和背景加权的视觉跟踪算法

针对视觉运动目标的鲁棒跟踪问题,提出了一种基于局部分块和背景加权的跟踪算法。首先对目标的前景和背景区域进行分块采样,然后利用基于积分直方图的局部快速穷搜索算法计算每一个分块在当前帧中的后验概率图,最后对后验概率图确定的对应分块的搜索结果赋予不同的权值,进而计算出目标在当前帧中的位置。实验结果表明:基于局部分块加权的跟踪算法比单纯的背景加权跟踪和分块跟踪具有更高的跟踪精度和成功率,且算法复杂度较低。     

有界噪声条件下基于集员滤波的扩展目标跟踪方法

现有概率框架下的扩展目标跟踪方法需要已知系统量测噪声统计特性,然而在实际过程中量测噪声大多为边界已知而统计特性未知的有界噪声,其难以利用概率方法对扩展目标运动状态与形态进行计算。针对有界噪声条件下的扩展目标跟踪问题,提出一种基于集员滤波的扩展目标跟踪方法,该方法通过UBB椭球集合对量测噪声进行表示,并采用集员滤波对运动状态集合参数进行计算。在对扩展目标形态估计过程中,结合凸包计算几何理论中的Graham scan算法,求解包含目标形态最大误差的最小边界矩阵,最后利用仿射变换和偏移超曲面计算椭球Minkowski差的边界参数,从而对目标形态矩阵进行更新。仿真结果表明,在有界噪声条件下,相比于传统概率框架下的贝叶斯滤波方法,文中所提出的方法对目标运动和扩展形态的跟踪精度更高。     

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.     

利用Kalman滤波的视频运动目标跟踪

提出一种基于kalman滤波的视频运动目标跟踪算法,首先对视频运动目标进行分割,求出运动目标的形心,再利用视频运动目标的形心所在宏块的运动矢量信息,用kalman滤波对运动目标的形心在下一帧的位置进行预测,从而快速、有效地自动跟踪多个目标对象.实验结果表明,该算法对运动目标的出现和消失,以及非刚性物体的尺度变化和变形,具有较强的鲁棒性.     

基于快速尺度估计的核相关滤波 目标跟踪

为了解决传统基于核相关滤波器（KCF）的跟踪算法难以有效处理目标尺度变化的难题,本文提出了一种新的融合快速准确估计目标尺度变化的核相关滤波跟踪算法。该方法首先利用目标尺度变化的连续性对目标的尺寸变化进行粗略估计,得到目标尺度变化的粗略值;然后进一步对目标尺度的更多可能变化进行精确搜索,提升目标尺度估计的准确性。在公开的复杂场景视频进行测试,比较了本文方法和原始KCF算法的实验效果,并且将本文算法和经典跟踪算法进行了比较,实验结果表明本文提出的目标跟踪算法更准确鲁棒。     

基于增量学习的关节式目标跟踪算法

为实现对关节式目标的稳定跟踪,提出了基于增量学习的关节式目标跟踪算法.该算法应用图割法对目标矩形窗进行前景与背景分割,得到前景图像;然后对前景图像进行快速傅里叶变换,得到傅里叶系数矩阵,进而得到振幅图像,并将振幅图像作为跟踪目标的描述;最后将多个目标描述进行奇异值分解和主元分析,实现对跟踪目标的低维子空间描述.文中在粒子滤波框架下实现了整个跟踪算法.实验结果表明,该算法具有较稳定的关节式目标跟踪效果.     

基于多特征融合的改进UPF目标跟踪算法

针对单特征目标跟踪算法的鲁棒性较差以及不能充分利用最新的量测信息等问题,提出了一种基于多特征融合的改进UPF(Unscented Particle Filter)跟踪算法.基于比例最小偏度单形采样策略的UKF(Unscented Kalman Filter)算法和IKF(Iterated Kalman Filter)算法对粒子滤波算法进行改进,并在改进的算法框架下,采用不确定性度量方法融合目标的颜色和纹理特征,对目标进行跟踪.仿真实验表明,改进算法提高了跟踪精度,对复杂背景下的目标进行跟踪有较好的效果,并能有效跟踪被遮挡的目标.     

多视点三维测量系统的全局标定方法研究

针对线结构光三维测量速度较慢和易发生遮挡问题，开发了一种多视点线结构光三维测量系统．并针对本系统提出了一种简易的基于线结构光的多目视觉三维测量系统全局标定方法，标定过程只需要一块可自由移动的共面靶标，即可将所有摄像机局部坐标系统一到光平面测量坐标系，实现多视点测量数据的自动拼接．实验表明，该方法方便易行，适合现场标定，同时满足系统精度要求．