视频图像中运动目标跟踪算法研究综述

分析和描述了当前运动目标跟踪的有关方法,通过分类介绍的形式,从跟踪方法的研究现状、研究进展、应用领域等方面进行讨论。比较介绍了几种方法的优缺点以及研究过程中所面临的难题。最后对运动目标跟踪算法的研究前景进行了展望。     

基于图像处理的运动目标跟踪系统

本文详细介绍了基于图像处理的智能目标跟踪系统的实现步骤.本系统通过图像识别、机器视觉等技术判断物体进入监视区域,计算出物体的移动速度和移动方向,根据检测的数据控制监视设备随着物体的移动而调整,从而达到智能跟踪物体的目的.     

序列图像中动目标定位

给出了一种新的动目标定位方法，它可以快速准确地从复杂背景中确定动目标的位置和大小，此法充分利用序列图像特性，采用减影法提取动目标，由于实际情况中噪声无法避免，故提出了快速中值滤波方法以有效地滤除大量噪声，为了快速准确地定位目标，事先采用了映算法，然事提出了一种区域生长分割算法ＲＧＳＡ（ＲｅｇｉｏｎＧｒｏｗｉｎｇ Ｓｅｇｍｅｎｔａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ）定位动目标，ＲＧＳＡ还适用于多目标情况，     

基于OpenCV的运动目标检测与跟踪

提出了一种基于OpenCV的视频应用程序的开发方法.将Intel公司开放的OpenCV源代码作为开发的视频应用程序的基础函数库,改写或调用其中的函数,可根据需要用C++语言开发视频应用程序,从而克服了视频应用程序开发周期长、效率低的缺点.给出了部分OpenCV具体的设置方法和过程,并通过利用OpenCV编写的运动目标检测与跟踪的应用程序验证了该方法的有效性和可行性.对图像进行形态学去噪、平滑滤波处理和二值化阈值分割等图像预处理,获得二值化黑白图像.通过轮廓提取和跟踪检测得到车辆和人的外轮廓,进而实现运动目标的跟踪.在VC ++ 6.0环境下,利用OpenCV编程实现了此方法.实验结果表明,该方法可行.     

基于OpenCV的运动目标检测与跟踪

提出了一种基于OpenCV的视频应用程序的开发方法。将Intel公司开放的OpenCV源代码作为开发的视频应用程序的基础函数库,改写或调用其中的函数,可根据需要用C++语言开发视频应用程序,从而克服了视频应用程序开发周期长、效率低的缺点。给出了部分OpenCV具体的设置方法和过程,并通过利用OpenCV编写的运动目标检测与跟踪的应用程序验证了该方法的有效性和可行性。对图像进行形态学去噪、平滑滤波处理和二值化阈值分割等图像预处理,获得二值化黑白图像。通过轮廓提取和跟踪检测得到车辆和人的外轮廓,进而实现运动目标的跟踪。在VC++6.0环境下,利用OpenCV编程实现了此方法。实验结果表明,该方法可行。     

基于边缘特征的运动目标提取与跟踪

运用聚类准则，提出了一种获取二值边缘图的自动门限法，研究了序列图像中目标跟踪窗的自适应调整，并在此基础上进行了复杂背景中运动目标匹配跟踪试验。试验结果表明，本方法提高了复杂背景中运动目标跟踪的能力，可作为常规跟踪方法的补充，以达到稳定跟踪。     

目标提取与跟踪的稳定性研究

提出并分析了目标提取的稳定性问题，指出基于统计决策理论的目标提取算法性能不稳定的原因之一，在于缺乏时空可变的目标背景条件判别和最佳分割区域自调整能力，并且通常是基于绝对图像灰度或绝对灰度变化及其统计性质的，根据视觉原理，还提出了一个具有可控性的自适应序列图像目标提取模型和算法，给出复杂背景中运动目标提取和跟踪的实验结果。     

红外图像序列运动小目标的空间定位

提出了一种利用透视投影变换和卡尔曼滤波对低信噪比红外图像序列运动小目标进行三维空间定位的新方法,从而达到对红外运动小目标（直至几个像素）进行空间定位的目的。仿真实验结果证明了该方法的可行性和有效性。     

基于边缘特征的运动目标提取与跟踪

运用聚类准则，提出了一种获取二值边缘图的自动门限法，研究了序列图像中目标跟踪窗的自适应调整，并在此基础上进行了复杂背景中运动目标匹配跟踪试验，试验结果表明，本方法提高了复杂背景中运动目标跟踪的能力，可作为常规跟踪方法的补充，以达到稳定跟踪。     

基于卡尔曼滤波器的运动目标检测与跟踪

针对摄像机静止的情况,提出了一种可运用于实时监控中的运动目标检测与跟踪的方法．采用更新函数实现背景实时更新,通过差分算法检测运动目标．在跟踪模块中,提出建立帧间目标“关系矩阵”实现多个运动目标匹配,并采用卡尔曼滤波器预测目标参数,在运动目标相互遮挡的情况下,根据预测参数跟踪目标,获得目标轨迹．通过多个图像序列测试,算法具有良好的实时性和适应环境变化的能力．     

基于运动平台的运动目标检测与跟踪

为了实现大视场智能监控,本文提出了一种基于运动平台的运动目标检测与跟踪方法.在相邻帧之间通过块匹配进行运动补偿,采用三帧差分法分割出运动目标.当运动目标正常运动时跟踪其形心;当运动目标被遮档时,根据卡尔曼滤波器预测的形心跟踪目标.其中,对于块匹配,采用边缘点作为匹配块的中心点并根据摄像机的运动方向确定搜索范围,使处理速度提高了38.6%.另外,比较得出最小二乘法对运动目标运动状态突然改变时拟合效果差,因此采用卡尔曼滤波器进行预测.实验证明,本算法适应环境变化的能力强,而且平均每秒处理37.6帧,达到实时处理要求.     

双光斑交叉目标跟踪方法研究

为了解决交叉目标跟踪中相关系数矩阵的多峰性引起的目标模糊对应问题，提高状态估计的精度，提出了一种通过估计双光斑交叉目标形状参数来辨别目标，进而完成目标状态估计的方法─ＯＤＡＭＣＦ（ＯｐｔｉｍａｌＤａｔａＡｓｓｏｃｉａｔｉｏｎＭｅｒｇｅｄ－ｍｅａｓｕｒｅｒｎｅｎｔＣｏｕｐｌｅｄＦｉｌｔｅｒ）算法。实验表明，对于像喷气式发动机或导弹尾焰产生的红外高斯图像，形状参数估计的结果是精确的，能较有效地解决目标的模糊对应问题，提高了目标状态估计的精度；     

基于视频的运动目标跟踪算法

为更加准确、 快速地检测与跟踪到运动目标, 将背景差分法和帧间差分法相融合对 CAMSHIFT (Continuously Adaptive Mean-SHIFT)算法进行改进。 首先, 通过背景差分法和帧间差分法相融合确定目标所在 区域, 然后结合 CAMSHIFT 迭代算法实现目标跟踪。 实验结果表明, 该方法改变了传统 CAMSHIFT 算法需手 动选定目标和跟踪窗容易发散的局限性, 并提高了跟踪的准确性与稳定性。     

基于目标检测的单目视觉半稠密语义地图构建

传统的视觉SLAM系统在机器人定位和制图工作中取得了显著的成功,但存在着缺乏场景信息、地图过于稀疏、单目相机初始化困难等亟待解决的问题。本文提出了MNS-SLAM（Monocular-semantic SLAM）,将目标检测算法与单目视觉SLAM（同时定位与地图构建）技术相结合,进而构建有助于环境理解的半稠密语义地图。首先,通过目标检测网络YOLOv4检测对象获取边界框和类别信息,通过消失点算法和二次曲面恢复算法由2D目标检测恢复出3D长方体及二次曲面,实现3D物体的位姿初始化。同时,引入了目标间相对位姿不变性的语义约束,构造了语义损失函数,将其添加到BA优化中,最后通过增量式3D线段提取,构建带有物体语义信息的半稠密地图。文中方法在TUM公开数据集和真实场景中进行试验,不仅构建了半稠密地图,同时添加了语义信息,为后端的优化提供了新的约束,相机的绝对和相对位姿误差表现出优于单目ORB-SLAM2的性能,有助于搭载单目相机的移动机器人感知和理解环境,执行更复杂的任务。     

基于网格的运动目标检测与跟踪处理

为提高运动目标的检测与跟踪处理速度,设计了一个基于网格计算的解决方案,应用网格计算以分布并行方式来处理图像序列. 网格计算节点上执行的一个任务对应处理图像序列中的一个帧图像单元,一个帧图像单元包含了每次处理过程中所涉及的一帧或多帧图像,因而网格计算中的任务数即为图像序列中的帧图像单元数. 利用Condor系统搭建了一个网格计算试验台,开发了一个用户交互界面和若干中间件服务模块. 以基于相邻帧差法和模板匹配法的运动背景下的目标检测和跟踪算法为例进行了试验. 试验结果表明,该方案具有可行性,并能大幅度缩减计算时间,提高处理效率.      

基于目标序列分析的智能监控多目标自动检测跟踪

针对道路交通监控场景，提出并实现了一个多目标自动检测与跟踪系统． 首先通过高斯混合模型的运动 信息提取方法得到目标运动信息，并分析了目标信息的连续多帧历史信息， 估计目标区域信息在连续多帧中的统 一性，进而通过信息融合的方式得到了目标检测结果． 然后提出了监控场景下多目标的跟踪与管理策略， 根据目标 检测结果，对场景中的多个目标同时进行跟踪．最后， 根据目标的不同状态将目标划分为新出现目标、被更新目标 和被跟踪目标等不同的类别，提高目标跟踪的准确性．     

一种基于颜色跟踪的彩色边缘检测算法

传统的边缘检测方法大都是基于灰度图像的,用于彩色图像边缘检测时效果往往不能令人满意.本文提出了一种新的彩色边缘检测算法,它充分考虑了彩色图像的边缘特性,使用彩色差进行跟踪,从而弥补了传统边缘检测方法检测时丢失边缘的不足.通过与其它成熟的边缘检测技术进行比较,结果显示:该算法能提取更多的彩色边缘信息,而且检测精度和效果都比较令人满意,具有一定的实用价值和良好的处理效果.     

基于增量PCA的目标跟踪算法

在空间遥操作系统中为了获取良好的视觉信息使操作员有种身临其境的感觉,在基于奇异值分解的PCA算法上采用增量PCA跟踪算法,避免了提取大量图片的问题;将该算法与PTZ摄像机相结合,设计了一套基于主动视觉的目标跟踪系统。为机械臂提供灵敏的感知系统,在不接触目标的情况下将相关信息及时传递给地面操作员,便于操作员自然、有效地解决问题。在机械臂动作之前执行规划,在动作过程中不断地反馈信息,适合于对环境变化有适应性要求的作业。     

针对变电站场景下目标的检测及跟踪

目标跟踪在视频监控、人机交互及图像压缩等领域发挥着重要作用。为了解决DSST(Discriminative Scale Space Tracking)跟踪算法需要手动标记初始帧的位置、实时速度和更新策略的问题,提出了一种改进的DSST跟踪算法。该算法在DSST算法的基础上融合了检测算法和图像缩放算法,同时引入了APCE(average peak-to correlation energy)置信度指标,使用变电站和benchmark数据集对其进行了测试,并与FCT(Fast Compressive Tracking)及Staple等算法相比,结果表明该算法提高了跟踪精度,缩短了每帧的运行时间,且在背景、尺度变化及遮挡等方面表现出较强的鲁棒性。