跨道监控系统设计与应用

设计了一套基于视频的机动车跨道违章监测系统,系统的硬件平台由工控机,摄像机组成.首先由平均算法得到良好的动态背景图像,并由Hough变换法提取车道线;在车辆检测过程中提出了背景差法与边缘提取法相结合,车道线辅助识别的两次目标轮廓提取算法,从而获得完整准确的运动目标轮廓;在违章判别中提出了简易准确的跨道违章判别算法;最后使用均值漂移算法对运动车辆进行跟踪,并结合卡尔曼滤波器预测车辆在下一帧的位置.通过实际道路测试,该系统具有一定的实时性、准确性和智能性,可应用于智能交通监控领域.     

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.     

基于STM32的图像跟踪系统

本文介绍了一种基于STM32单片机的图像跟踪系统及其实现过程,该系统包括一个二自由度云台、数字摄像头、STM32控制板.作为系统核心的单片机STM32将摄像头采集的图像送至LCD显示,并分析获取的图像数据,计算出目标物体的坐标、大小,控制云台转动,使目标处于摄像头视野中央.整个系统结构简单,解决了单片机在图像识别上内存不足、速度慢的问题,以较低的成本和功耗实现慢速运动物体的跟踪.     

基于小波变换的分层块匹配多目标跟踪方法

机载的航空相机或弹载的红外CCD(Charge Coupled Device)摄像头都是安装在运动载体上的CCD相机,其连续拍摄的图像背景是运动的,很多情况下要从运动背景中检测其中的运动目标,并进行跟踪.为解决全搜索算法运算量大、搜索时间长的问题,根据小波域中各图像之间的相关性,提出一种基于小波变换的分层块匹配跟踪算法,能从运动背景中检测出多个运动目标,并可计算出多个动目标的形心坐标,绘出各动目标的运动轨迹.该算法与基本块匹配跟踪算法相比,克服了原算法运算量大,信噪比较低时匹配不准确等缺点.     

视频序列中动目标快速跟踪新算法的研究

准确性和实时性是视频序列图像中运动目标跟踪算法研究的重要内容。为了克服传统的模板匹配跟踪算法运算量大、跟踪速度慢的缺点,提出了一种基于多分辨率的Kalman滤波快速跟踪算法。首先利用Kalman滤波的预测功能,预先估计出目标中心点坐标,然后在该坐标为中心的区域内进行多分辨率相关匹配,最终找到最佳匹配位置。该算法具有运算量小、跟踪速度快的优点。同时还采用了自适应更新记忆滤波算法解决发散问题,提高了跟踪精度。     

应用颜色与光流特征的粒子滤波的视频跟踪

在视频跟踪系统中,为了在连续帧的图像空间中找到移动目标的坐标、速度、大小以及旋转等状态信息,并且为了克服单一特征表征造成的可分性差的问题,提出了在3层粒子框架下的基于颜色和运动特征的滤波算法.首先,分析并提出了目标候选模式和原型之间的颜色特征和光流特征的相似度测量方法.然后,通过首层位置粒子的衍生算法使得颜色与光流特征应用于不同层次的粒子中,从而解决了多特征测量的融合问题.实验结果表明,本算法在无遮挡时能够不丢失地跟踪目标,正确地估计目标状态,并据此自适应地调整跟踪窗口的位置、大小和方向;在有遮挡时,算法能正确地预测目标位置并在目标重新出现后能够及时捕捉目标继续跟踪;本算法的位置跟踪的相对误差精度约10%.     

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 .     

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。     

基于颜色的粒子滤波非刚性目标实时跟踪算法

非刚性目标的跟踪与分析在计算机视觉领域引起了很多学者的关注.基于颜色的粒子滤波实时跟踪算法主要是利用视频图像的颜色直方图信息,综合考虑运动预测和帧间的相似性来确定目标的位置.提出一种改进粒子滤波算法并将其用于基于颜色的非刚性目标的实时跟踪问题中.仿真实验表明,本算法在保证跟踪准确度的同时,可以满足实时跟踪的要求.     

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．     

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。     

双HOG特征的相关滤波目标跟踪

视觉目标跟踪是计算机视觉中的一个重要研究方向,主要涉及图像处理、计算机视觉、模式识别等方面知识,它的应用非常广泛.许多跟踪算法均获得了令人满意的性能,但大多数算法未能充分处理环境变化对图像跟踪的影响.本文提出了一种有效的双HOG特征方法用于视觉目标跟踪.该方法结合不同类型的特征,通过判别相关滤波器构造两个HOG特征,每个特征独立地对跟踪目标进行响应,从而确定出新的目标位置.首先,提取当前目标区域的方向梯度直方图特征,并分割为两个特征,分别是HOG1和HOG2.其次,利用判别相关滤波器框架对两个特征进行滤波处理,每个特征给出一个单独的预测线索,之后选择出最优的特征.再次,根据特征计算获得特征响应图,在响应图中寻找最大值位置,即预测出的新的目标位置.在OTB-2013、OTB-2015基准数据集上与其他六个算法对比,实验结果在快速运动、背景杂乱等方面取得了良好的性能效果.     

一种改进的自适应质心跟踪算法

针对自适应质心跟踪算法对扩展目标跟踪时,易出现目标丢失的问题,提出了在自适应质心跟踪算法中,加入3点线性预测器和5点平方预测器构成综合预测器,对所跟踪目标的位置参数进行预测.通过估计目标区内背景所占比例,解算出目标的直方图分布函数,利用Bayias决策找出目标和背景像素的分类,从背景图像中分离目标像素,获得目标的质心坐标.改进算法可以实现对小目标直至扩展目标的跟踪,且基本不受目标大小、旋转变化的影响,其稳定性、可靠性和精度都较高.实验结果也表明,改进算法较好地克服了原算法跟踪时易丢失扩展目标的问题,不但扩展了自适应质心跟踪算法的适应范围,而且提高了跟踪精度.为有效提高导弹图像末制导的攻击精度提供了一定的参考.     

基于Cam-shift的预测跟踪方法分析与改进

为了在有遮挡等因素干扰的复杂背景下很好的完成移动目标的位置预测跟踪,研究了Kalman滤波与Cam-shift算法结合的方法.Kalman滤波可以较精准地完成移动目标的位置预测,与Cam-shift算法结合可以很好的完成跟踪.在此基础上,提出了一种线性预测与Cam-shift算法结合的目标预测跟踪方法,即将线性预测方法代替Kalman滤波完成预测估计,并将预测估计结果代入Cam-shift算法中进行跟踪.实验表明该方法既可以保证遮挡过程中追踪的准确性,又能减少迭代时间,能够更好地满足实时性的要求.     

一种飞行目标跟踪方法

提出一种以单一飞行目标的质心为特征点的运动目标跟踪方法，对于产生的图像序列，计算每一帧图像中飞行目标的质心，并在坐标系中记录其位置，采用最小二乘法拟合实现对目标的跟踪。最后给出了实验结果，从实验结果可以看出，该算法对目标的跟踪和预测效果良好。     

卡尔曼滤波在视觉伺服机器人控制中的应用

在基于视觉伺服的机器人控制中,准确跟踪动态目标的关键在于快速准确地完成连续图像中的目标辨识.本文在基于特征差异的彩色目标识别方法的基础上,应用卡尔曼滤波算法对运动目标位置进行预测,在预测的局部范围内搜索匹配目标,将全局搜索改变为局部搜索,大大减少了图像处理数据量,提高了机器人快速跟踪运动目标的实时性.     

基于改进TLD的自动目标跟踪方法

视觉跟踪一直是机器视觉研究热点,TLD（tracking-learning-detection）算法是近年来出现的一种高效的视觉跟踪算法,针对TLD算法中Lucas-Kanade（LK）光流法无法有效跟踪物体快速移动和尺度变化的问题,采用金字塔光流法对TLD算法进行改进。并将所跟踪物体形心作为图像定位参考点,提取物体定位信息,通过定位信息运用比例-积分-微分（proportion-integral-derivative,PID）控制算法控制摄像头舵机云台转向,使摄像头快速、灵活、精确地自动跟踪指定物体。通过系统测试,与传统TLD算法对比,采用金字塔光流法改进的TLD目标跟踪算法在跟踪目标发生光照变化、尺度变化等情况时,具有更加优良的跟踪性能,准确将跟踪目标形心位置提供给控制部分,控制算法高效灵活,在获取信息后精确、快速地控制摄像头方位,使其正对跟踪目标。该系统对目标跟踪技术、安防技术、自动瞄准系统具有重大意义。     

基于仿射变换与模板更新策略的目标跟踪方法

提出了一种自适应跟踪算法,其主要思想是用六个仿射变换参数来表征图像中目标区域的运动,由当前位置图像与模板图像的差分图像可以求取这些参数,并进一步用这些参数来预测目标的运动和跟踪目标。在实际跟踪过程中,又采取一种有效的相似性度量方法,用它来决定是否修改模板,以及如何修改。     

基于Kalman 滤波的Camshift 运动跟踪算法

提出将Camshift与Kalman滤波相结合的方法.首先,通过二次搜索来调整搜索窗口的位置和大小,保证Camshift跟踪的可靠性;然后,在Camshift算法的基础上,通过卡尔曼滤波对搜索窗口进行运动预测,保证实时跟踪.实验结果表明,在图像背景复杂且目标不规则运动的情形下,采用此方法仍能有效地跟踪到目标.在真实视频数据上的实验结果表明该方法具有很好的应用前景.