基于正六边形线阵CCD探测器的周视场目标探测系统

提出了一种基于正六边形线阵CCD探测器的运动目标探测系统.系统不仅可以实现360°范围内环形视场探测,还可以实时显示运动目标的位置及角速度信息,达到搜索跟踪的目的.在硬件设计方面,提出并实现了基于CPLD和AVR的电路方案.在算法设计方面,设计了适于周视场运动目标探测算法.     

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.     

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.     

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.     

基于EKF算法的UWB和ZigBee测量技术的混合运动目标定位

为解决无线传感器网络中单一跟踪算法和测量技术不能获得运动目标高精度定位的问题,提出了一种将跟踪算法同时与不同测量技术相结合的混合式跟踪定位技术.通过对基于扩展卡尔曼滤波跟踪算法的分析,将基于UWB测量技术得到的距离测量值和基于ZigBee测量技术得到的接收信号强度测量值相融合,结合扩展卡尔曼滤波跟踪算法,得到一种对室内运动目标的混合式跟踪定位方法.实验表明,该混合定位方法能有效提高运动目标的定位精度.     

基于FPGA+DSP多目标质心定位系统的研究与实现

提出了适用于多目标的FPGA+DSP质心定位改进算法.该算法首先采用连通域标记算法在FPGA中标记出目标,解出各目标点的质心坐标,再由DSP根据统计结果进行自适应阈值计算.实验结果表明:多目标质心定位系统的检测结果与理论分析基本一致,可满足最高70fps的图像速率,该速率远高于基于单个DSP芯片或者普通计算机的处理速率.     

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.     

基于L2范数和增量正交投影非负矩阵分解的目标跟踪算法

在贝叶斯框架下,基于增量正交投影非负矩阵分解目标跟踪算法能够适应各种复杂的场景,准确处理跟踪目标外观变化,取得了较好的跟踪效果,但是该算法计算量大,难以满足实时性要求。针对这一缺点,提出了一种基于L2范数和增量正交投影非负矩阵分解的目标跟踪算法,建立基于L2范数最小化和增量正交投影非负矩阵分解的目标表示模型,在贝叶斯框架下得出跟踪结果。实验结果表明,新算法能够较好地处理视频场景中的光照变化、尺度变化、局部遮挡、角度变化等干扰,有较低的中心位置误差平均值和较高的重叠率平均值,平均处理视频达4.08帧·s-1,能够满足实时性的要求。     

网球视频中基于OPF聚类的球体检测方法

针对网球视频中网球的检测和跟踪问题,提出了一种基于最优路径森林(OPF)聚类的球体跟踪方案.首先,对输入的不稳定视频进行稳定化处理,以消除视频中的抖动和噪声.然后,将黄色平面强度特征和相位四元数傅里叶变换特征作为球体特征,从视频帧中分离出候选目标.最后,利用OPF聚类从球体候选目标中分类出真实目标,获得球体实际位置,从而绘制出球体运动轨迹.实验结果表明,该方法能够从视频帧中准确检测出网球,具有较高的精度和鲁棒性.     

干扰环境下数目可变的多目标跟踪

针对环境中干扰因素对目标跟踪性能的影响,提出了一种跟踪数目可变的多目标方法. 该方法通过聚类算法来判断目标的出现或消亡,并获得目标数目,然后利用基于无迹卡尔曼的廉价联合概率数据关联算法获得量测与已知目标轨迹的互联概率,并实现状态传递. 与传统的廉价联合概率数据关联算法相比,该算法在干扰环境下跟踪性能更优,可处理目标数目可变的多目标跟踪问题.     

利用卷积神经网络的体育视频运动员检测

针对体育视频中多尺度运动员的检测问题,提出一种基于卷积神经网络的自动检测方法.首先,从视频帧中获得运动员图像,并结合非运动员图像构建训练集,利用Bootstrapping算法来训练卷积神经网络分类器.然后,对于输入的图像帧,通过二次采样构建不同尺度的图像金字塔,并通过卷积神经网络检测出多个候选运动员位置.最后,计算这些候选运动员的重心,获得一个具有代表性的候选运动员,再通过一个局部搜索过程来确定最终的运动员位置.实验结果表明,该方案具有较高的检测率和较低的误报率.     

改进线性外推法预估器的手势跟踪

针对动态手势识别系统手势跟踪问题,提出了一种基于改进线性外推法预估器的手势跟踪算法.该算法用前两帧的平均位移作为未来帧的位移预测,提高了预测精度;采用5点直线拟合,根据拟合直线斜率判断目标遮挡和重叠状态下的运动方向,克服了由于手势目标质心变化引起的预测位置偏离实际目标的缺陷.实验结果表明:所提出的算法能准确稳定地跟踪手势目标,平均预测偏差缩小到3.374像素,并且能在手势被遮挡和手势重叠的情况下实现有效跟踪.     

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。     

智能监控系统的图像检测设计

智能监控系统图像检测算法的本质是对视频图像中的敏感对象进行监测,提取其客观信息构建对图像和目标的描述,决定其有效性和可靠性的基础是所采用的图像分割算法。通过分析和大量试验结果的比照验证,提出了一种图像检测算法在数字监控系统中的应用,并利用卡尔曼滤波的运动跟踪特性进行进一步的噪声滤除,适用于运动车辆在固定背景下的监测,使得视频图像分析能够适合集成到视频图像采集压缩前端模块中,运用改进的算法模型实现计算效率最大化以及目标判断准确性。     

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%.     

基于图像分割的改进Census变换立体匹配算法

针对传统Census变换立体匹配算法精度低,提出基于图像分割的改进Census变换立体匹配算法.将Census变换窗口中心像素的灰度值用其邻域像素灰度值的中值代替,从而减少噪声对匹配精度的影响,增强算法的抗干扰能力.采用Mean Shift算法对图像进行分割,结合其Census变换结果,以Hamming距离作为匹配代价...     

一种稳健的目标提取与跟踪算法

融合了GVF-Snakes算法与基于细粒度的遗传算法,提出了一种稳健的目标轮廓提取与跟踪算法.该算法通过使用边界约束替代能量计算改进了GVF-Snakes算法,降低了算法计算复杂度,提高了它的搜索速度;另外,通过引用细粒度遗传算法来筛选控制点序列,提高了算法对极端凹陷边缘和噪声干扰轮廓的提取能力.通过合成和自然图像的目标轮廓提取和跟踪实验,证明了本文提出的算法具有鲁棒性和精确性.     

排球视频中结合似然度与粒子滤波的运动员跟踪方法

为了解决排球视频中运动员重叠事件影响目标跟踪精度的问题,提出一种基于改进型粒子滤波的跟踪方法.首先,为每个跟踪目标标记一个不同颜色的标签,以此来检测重叠事件的发生,同时利用粒子滤波来跟踪目标.然后,当重叠事件发生时,根据目标的颜色似然度和距离似然度计算综合似然度,以此来避免粒子聚集到一个目标上.最后,根据位置预测模型来预测目标位置,实现目标的实时跟踪.实验结果表明,提出的方法能够对重叠事件具有鲁棒性,跟踪准确率达到了80%.     

基于红外图像序列的排球运动关键技术特征提取方法

针对现有运动技术特征提取方法中运动目标特征提取不准确的问题,提出了一种基于红外图像序列的排球运动关键技术特征提取方法 .首先,获取红外图像序列的排球运动图像,并对红外图像序列中的运动目标进行检测和提取,进一步用图像分割方法进行边缘分割.然后,基于视点跟踪切换方法进行阈值分析,实现对运动目标的准确跟踪和提取.实验表明,提出的方法准确性和效率均高于传统方法 .