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。     

局部视角无畸变的运动目标检测加速算法

针对大视场视频监控系统球形视场畸变严重以及要求实时处理等问题,提出了一种球形视场内局部视角无畸变快速展映方法,实现了大视场条件下运动目标检测的加速。打破现有算法先完成图像畸变校正,后进行目标检测的惯例;仅对球形视场内运动目标所在的局部视角图像进行畸变校正和识别等操作,大大减少了计算数据量,降低图像处理的时间开销,在保证识别准确的前提下,满足了监控系统实时在线处理的要求。最后,对不同分辨率、不同视场角的摄像机进行了多组畸变校正及运动目标检测实验,并将实验结果与现有算法进行了比较。实验结果验证了所提算法对大视场图像采集设备进行无畸变运动目标检测的可行性和高效性(加速5倍以上),为低成本大视场视频监控系统的实时、准确的目标检测、识别奠定了基础。     

基于贝叶斯概率的运动目标识别方法

为了能够简单并且有效地识别红外图像序列中的运动目标,提出了一种新颖的基于贝叶斯概率计算的目标识别方法。在初始帧中利用相关算法实现对目标的初始定位,分析当前目标识别属性,建立判别函数。计算当前帧中连通区域的概率判断其为目标类或者背景类。对当前帧中的目标定位后,更新模式向量,用于下一帧中该类目标的识别。实验结果表明,该方法根据目标的识别属性,通过概率计算能够快速有效地识别运动目标,计算量小,所涉及的算法适于嵌入式系统实现,具有较好的鲁棒性。     

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。     

红外图像运动目标检测与识别

提出了一种利用相邻帧红我图像实时相减提取运动目标序列的方法，把复杂背景下运动目标识别问题转化为较简单背景下目标识别问题，介绍了一种基于差分图像序列的实时处理算法，可对多个运动目标进行识别与定位。     

基于DSP的运动人体小车跟随系统

为弥补传统监控视野范围固定缺陷,并实现运动人体实时监控,采用图像处理方法,设计了一个基于数字信号处理器件(Digital Signal Processor,DSP)车载摄像头运动人体小车跟随系统。采用帧间差分法检测识别运动人体,提出一个基于灰度直方图的连续自适应均值漂移运动人体跟随算法,通过计算运动人体反向投影图的0阶矩阵和1阶矩阵,求出运动人体的质心坐标和宽度,作为下一帧跟踪框位置和大小。实验结果表明:电荷耦合器件摄像头采集的运动人体图像在DSP进行检测识别和跟随处理,正确地获得左转、右转、前进和后退等四个驱动信号,驱动小车跟随运动人体。实地测试表明:该系统能够实现对运动人体目标左右前后跟随,并时刻与运动人体保持一定安全距离。     

图像法识别运动目标技术

讨论了图像法识别物体运动参数的基本原理和过程.通过分析,比较了每一个子过程中采用的图像处理方法的优劣,指出了图像法识别运动物体在目前存在的主要问题是目标样本库太大以及线性成像系统带来的对原始输入信号的干扰,影响了对运动目标的实时响应处理和智能化识别.     

基于稳像技术的飞艇监控视频目标追踪

一般的目标追踪算法提取目标的颜色或轮廓特征,在图像区域内使用匹配算法完成对目标的追踪。由于飞艇容易受到气流影响,艇载相机平移误差会造成目标在视频的相邻帧间运动距离过大,传统目标追踪算法容易陷入到局部最优解而造成目标跟错或者丢失。该文提出了一种基于视频稳像的追踪方法,使用基于运动估计和混合滤波算法,首先处理视频使之平滑稳定,在此基础上利用人机交互选择目标并应用基于MeanShift的算法实现追踪。比较本文提出的算法和一般算法在飞艇视频目标追踪中的效果,结果表明:该方法在目标追踪中具有更高的准确率,同时满足实时性要求。实验证明了本文提出算法可以准确有效地处理飞艇视频目标跟踪问题。     

基于机器人操作系统的机器人自主追踪系统设计

为了解决移动机器人在机器人操作系统(robot operating system, ROS)中的人脸追踪问题,提出一种基于Siamese目标跟踪算法开发的追踪系统。首先,开发了追踪系统的硬件平台;其次,开发了Siamese跟踪算法,实现了对人脸目标的实时跟踪;最后,实现了导航系统与视觉系统的开发及融合,并通过实时记录的追踪数据与追踪曲线,分析了该系统的追踪性能。实验结果表明:该系统能够在ROS系统下实现对人脸目标的实时跟踪。     

周界视频监控中抛物检测算法

抛物(如手雷与炸弹等)一般是快速运动的小目标,信噪比极低,通常的目标检测算法失效.针对周界视频监控的特殊应用需求,提出抛物检测与识别算法.首先使用相隔8帧做差法,检测每帧图像中的抛物目标;然后利用改进型Hough变换从运动能量图像中提取目标轨迹的形状特征,通过分析运动历史图像的时间标签,获取目标的运动特征;最后使用树形分类器识别抛物.该算法避免了先跟踪后识别算法中的目标匹配过程,极大减少了计算量,而且在噪声环境中,具有很强的鲁棒性.实验结果表明,对于CIF格式的视频,在60 m范围内对包括网球在内的抛物,该算法检测率超过92%.     

流水线多目标跟踪的点匹配投票校正算法

针对工业视觉检测系统中流水线多目标实时跟踪问题,提出一种目标中心点快速匹配方法与目标图像水平投影曲线投票校正技术相融合的多目标跟踪算法。其过程是:利用多个目标在连续帧图像中的整体分布的稳定性进行整体匹配,得到多点匹配的一一映射关系;针对局部目标的晃动、跳动问题,利用目标图像水平投影曲线,采用投票校正技术消除局部运动所带来的误差,对映射关系进行校正。该算法应用于某钢铁厂的棒材计数系统,有效地排除了复杂环境下多目标跟踪时的误识别、漏识别和位置交叉的问题,保证了计数的准确性与快速性,当目标数小于50时,跟踪时间小于1 ms。     

基于帧差法与Mean-shift算法相结合的运动熔滴识别与跟踪方法

为了对焊接视频图像中的运动熔滴进行自动识别与跟踪,针对熔滴图像为灰度图像且背景单一的特点,提出了一种基于帧差法与Mean-shift算法相结合的方法.利用帧差法对视频图像的前2帧进行差分处理,获取目标窗口和中心位置并进行标定,以解决Mean-shift算法需要在起始帧手动框取目标的问题;结合基于灰度直方图的Mean-shift算法确定下1帧的目标模板位置,以实现对运动熔滴的自动识别与跟踪.结果表明,所提出的运动熔滴识别与跟踪方法能够对熔滴图像进行自动识别与跟踪,且具有良好的鲁棒性和实时性.     

汽车智能驾驶系统中运动图像的实时检测与跟踪

采用CCD摄像机获取运动目标图像序列,用基于背景重建的运动变化,对运动目标检测;通过运动分割并求运动梯度计算出物体运动方向;利用目标的短时相似性,完成对目标的跟踪与识别,并进而实现对目标长时间的稳定跟踪,确定目标的运动规律,实现运动图像实时检测与跟踪的目的.基于上述运动目标检测跟踪算法,利用C++编写了实时处理程序,实现了动态单目标、多目标及不同方向运动目标的检测与跟踪.实验证明,本算法可以实现对单运动目标和多运动目标的实时检测与跟踪,具有很高的鲁棒性,效果良好.     

基于NMS及帧间差分的深度学习目标识别实验仿真

目标识别实验是数字图像处理实验的一个创新性实验项目,学生选课率较高。传统的目标识别算法不能识别目标的位置信息,而且识别率较低。在深度学习理论构架下,设计了基于NMS及帧间差分的目标识别实验仿真算法,将帧间差分法融入识别过程,采用帧间差分法提取待识别视频的动态信息作为补充,增强候选框区域分割图像,并通过NMS算法对候选框进行筛选,提高识别率。仿真结果表明,算法识别出目标种类的同时能对目标在图像中的位置进行精确标定,并可以判断目标是否处于运动中,具有较高的识别率。     

遮挡情况下运动目标的跟踪

遮挡是基于图像对运动目标识别与跟踪时经常遇到的问题,也是动态图像处理上比较难于解决的问题之一。首先给出了一种基于2-D图像序列的运动目标跟踪算法,并对其实现技术进行了讨论。最后给出了实验结果,从实验结果可以看出,该算法对短时间内被遮挡的运动目标的跟踪和预测效果良好。     

基于高速球形摄像机的运动目标检测与实时跟踪系统

利用高速球形摄像机和图像采集与处理单元,设计了一种运动目标检测与实时跟踪系统．首先用混合高斯背景模型实现对运动目标所在区域的识别,由此确定运动区域的质心,并以该质心为中心初始化跟踪窗口;然后在目标区域内提取颜色特征,通过CamShift算法计算目标的精确位置并调整搜索窗口大小．系统利用这些信息,通过串口控制高速球形摄像机的运动,使目标始终位于摄像头的视场范围内,并尽可能位于视场中央,以实现对运动目标的快速准确的实时跟踪．在艾立克一体化球形摄像机上进行了实验,验证了本系统的有效性．     

提高目标序列图像特征定位速度的算法研究

随着技术的发展,对目标识别跟踪系统的要求正朝着智能化方向发展,即要求系统具有对目标的自动捕获、自动识别和自动跟踪的能力。为此,在利用目标与背景之间的灰度分布特性的基础上,提出了一种在一定的范圈内能自动搜索并锁定目标的目标搜索算法,该算法能提高目标序列图像特征的定位。它首先由一个收缩算法逐步缩小搜索区域,再结台图像的梯度信息来搜索目标,最后锁定目标轮廓。该算法在搜索过程中只对少数的控翻点进行计算,而且对控翻点的初始位置无严格限制,因此在2-D模型中对人体运动的跟踪定位具有重要意义,对目标的形状都可以取得很好的搜索结果。     

基于视频的人体异常行为检测与识别

提出了一种运动目标检测算法,通过三帧差分法,可以从视频图像中提取出运动目标的轮廓.通过三帧差分法分别对人体正常行走和人体摔倒两种行为进行检测,提取出人体在两种行为的运动过程中的特征.提出一种基于改进Hu矩不变性的人体异常行为识别算法,对人正常行走和摔倒两种行为进行识别.正常行走是正常行为,摔倒则为异常行为.实验证明,该方法对在本研究的实验环境下的正常行走和摔倒两种行为识别率很高,有一定实用价值.     

基于图像块归类的背景重构算法

为了降低图像序列运动目标检测中背景重构的时间复杂度和空间复杂度,提出一种基于子图像块归类的背景重构算法.在假设背景图像块以最大概率出现在图像序列中的前提下,选择编号频率最高的图像块作为背景图像块进行背景重构.在运动目标有较长的暂时停顿情况下,即观测长度较长时利用该算法进行实时背景重构具有明显的优点.仿真结果表明,该算法能够准确地重构背景,并有效地避免混合现象,从而实现对运动目标的完整提取,以便进一步识别或跟踪.     

航道智能监控系统中运动目标的检测与分割

运动目标的检测与分割是航道智能监控系统中的重要环节,先通过对图像作预处理平滑图像去除噪声,减小波浪对运动目标检测算法的影响,然后利用运动目标检测算法在背景中提取到前景对象,最后通过连通区域标识算法把每个对象用一个外接矩形来标识,从而实现对运动目标的检测与分割。