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 .     

联合光流技术和区域轮廓模型跟踪运动目标

研究了飞机在天空飞行图像中的飞机跟踪问题．在分析飞机在天空飞行图像特点的基础上，提出了联合光流技术和区域轮廓模型跟踪运动目标的方法．首先，对图像进行高通滤波预处理，提取一些高亮度的斑点，获得运动目标的特征图像；然后用特征图像求解运动目标的光流，以光流对运动区域进行分割，获得运动区域的中心和半径，以该中心和半径的圆作为水平集的初始曲线；再采用Songand Chan方法快速检测运动目标的边缘．实验证明，该方法能够快速、准确地自动跟踪运动目标．     

基于光流技术的运动目标检测和跟踪方法研究

光流技术作为一种重要的二维运动估计技术,在运动目标检测和跟踪中有着重要的作用.为了更好地将光流技术运用到实时的运动目标检测和跟踪系统中,针对微分光流信息量丰富但计算量大、特征光流计算量小但信息量不足的现状,提出了一种基于最优估计的点匹配技术和光流均匀采样策略的光流场计算方法,并通过对灰度化后的光流场进行自适应阈值分割、形态学滤波等处理,实现了实时的运动目标检测和跟踪.通过对图像序列取700个样本点的仿真实验表明,该方法帧间处理时间基本小于100ms,同时基本解决了信息量和计算量的矛盾.     

联合光流技术和区域轮廓模型跟踪运动目标

研究了飞机在天空飞行图像中的飞机跟踪问题.在分析飞机在天空飞行图像特点的基础上,提出了联合光流技术和区域轮廓模型跟踪运动目标的方法.首先,对图像进行高通滤波预处理,提取一些高亮度的斑点,获得运动目标的特征图像;然后用特征图像求解运动目标的光流,以光流对运动区域进行分割,获得运动区域的中心和半径,以该中心和半径的圆作为水平集的初始曲线;再采用Song and Chan方法快速检测运动目标的边缘.实验证明,该方法能够快速、准确地自动跟踪运动目标.     

一种运动目标检测与跟踪快速算法的研究

运动目标的检测与跟踪是计算机视觉和图像编码研究的主要内容之一,有着广泛的应用领域。而基于光流场的检测与跟踪是其常用的方法之一。本文提出了基于帧间差阈值法和光流场相结合的快速运动目标检测与跟踪算法,计算结果表明该算法简单实用、运算速度快,克服了单纯光流场方法的不足。     

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识目标，进而完成目标状态估计的方法－ＯＤＡＭＣＦ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。     

基于光流法的运动目标检测与跟踪算法

选用Harris角点作为跟踪对象,将尺度空间引入角点检测,提取特征尺度上的Harris角点,并进行曲率非极大值抑制,滤除"伪角点",提高角点检测对尺度变化的抗扰能力.跟踪算法选用结合图像金字塔的光流法,迭代计算光流,并提出基于光流误差的跟踪算法,即用不同时间流的运动轨迹在同一帧图像的误差来衡量运动跟踪情况,避免跟踪点因被遮挡、消失或者纹理特征发生变化而导致跟踪失败.通过对不同视频图像进行检测的结果证明基于改进的角点提取和图像金字塔的光流法具有良好的跟踪效果,引入光流误差可以有效地滤除跟踪失败的特征点,准确估计运动目标的位置.     

基于光流的运动目标检测与跟踪

采用经典的光流计算方法,对运动目标检测与跟踪。经仿真实验验证算法具有精度高,计算速度快的特点。将算法引入到序列图像的运动目标提取,可以比较完整地从背景中提取出运动目标,并能够稳定跟踪序列图像中的运动目标。     

基于光流场与EM算法的运动目标检测

针对光流法对检测目标的不准确性、抗噪能力弱等缺陷,提出了光流场和EM算法相结合的方法,利用两帧图片求得光流场,并在此基础上利用EM算法对属于背景和目标运动场的光流进行聚类,得到完整的目标,区分出前景和背景,消除噪声.最后通过仿真实验可知,所提出的改进算法对单目标、多目标以及被遮挡的目标的检测都具有良好的效果.     

基于实时序列图像复杂背景下运动目标的提取

通过对实时序列图像中运动目标的运动规律的分析,提出一种在复杂背景下运动目标的提取方法,详细讨论了这种目标提取方法和原理,给出了具体的实现方法和该方法应用于实际工作的实验结果数据。通过实验证明,该方法对于克服复杂背景的干扰和有效地提取运动目标具有较好的效果。     

一种改进的基于光流的运动目标检测方法

针对传统的基于梯度的光流方法一般不能检测出帧间位移小于1个像素的运动目标,提出一种改进的基于梯度的光流计算方法．该方法使用了一种新的3D-Sobel算子计算像素的时空梯度,并增加置信判断算子来确定每个像素对应的光流场,改进的梯度计算过程需要5帧图像．实验结果表明：在静止背景的图像序列中,该方法比传统方法能更好地检测出以不同速度运动的目标．     

移动目标的自动监视报警方法

为了快速准确地从背景中检测出移动目标,并控制云台对目标进行自动跟踪,提出了一种移动目标的自动监视报警方法。该方法充分利用连续图像特性,采用改进的帧间减影法检测运动,并用差分图像的阈值化方法分割出动目标;进而采用光谱滤波等技术提高图像传感器的探测灵敏度,进一步提高了该方法的作用距离。仿真结果表明,该方法可以有效、准确地对移动目标进行检测和跟踪。     

一种改进的基于活动轮廓和光流的运动目标分割方法

将光流技术和几何活动轮廓模型结合起来对运动目标进行分割,一方面可以通过算法分割出运动目标轮廓,另一方面,使得算法面对背景变化的情况仍具有一定的适应性.为了更好地将二者结合起来,进行2个方面的改进;建立基于运动边缘的几何活动轮廓模型,从而克服光流计算中由弱纹理区域产生的运动空洞对分割的影响;引入边缘增强的非线性扩散作为光流计算模型中的平滑项约束,可以在平滑流场的同时减小运动边缘处平滑效果而保护边缘,进而提高运动目标分割的完整性.研究结果表明:与现有算法相比较,该算法能够更准确地分割出运动目标的轮廓,同时在一定程度上克服背景运动的情况.     

视频序列中运动目标跟踪新方法

提出了一种跟踪视频图像序列中运动目标的新方法.该方法利用一种基于动态信息窗口的自适应背景更新方法解决背景的复杂性问题,结合一种新的计算颜色模型解决运动阴影问题,从而得到具有精确边缘的特定运动目标.计算了运动目标灰度质心,在坐标系中记录其位置,并采用最小二乘法拟合实现了对运动目标的跟踪.实验结果表明这种方法能有效地跟踪并预测视频序列中的运动目标.     

序列图像运动目标检测的一种快速算法

研究了序列视频图像中运动目标的检测与跟踪快速算法．研究基于Kalman滤波理论的渐消记忆最小二乘法,用该方法重建背景图像;采用图像差分算法提取运动目标;提出简化的等效灰度投影算法来计算目标的质心;采用记忆外推跟踪算法实现图像目标的跟踪,并且对全部算法做了仿真．仿真结果表明算法简单、有效、执行速度快、具有很强的适应性,能够用于单镜头序列图像中运动目标的检测与跟踪．     

基于感兴趣区域的运动人体跟踪

为改善人体在跟踪过程中部分遮挡情况下的表现,提出了一种具有鲁棒性的联合跟踪方法.先利用显著图算法从人体区域中获取基于特征的感兴趣区域(ROI),然后用所提出方法对其进行跟踪.跟踪方法结合了差值平方和准则与基于颜色的均值漂移两种跟踪器的优点,使用卡尔曼滤波器进行状态估计,同时将由显著图算法产生的联合显著点作为局部多区域代替全局区域对人体感兴趣区域进行跟踪.试验结果表明,所提出的跟踪方法在人体部分被遮挡情况下的表现有了明显的改善,适合实时跟踪运动人体,具有很好的鲁棒性.     

不规则类圆形团块目标图像识别的新方法

针对类圆形目标图像识别方法的不足,以轧钢厂成捆棒材图像为实例,提出了不规则类圆形团块目标模式识别新方法,设计了边缘检测、中心增强和重心聚合等一系列算法,以实现计算机对类圆形目标图像的自动识别与检测.研究结果表明:以新算法为核心技术的软件能够对直径为12～40 cm的棒材进行计数,点支准确的捆精度达到99%,且每捆计数时问少于3 s.     

基于Kalman的运动物体跟踪和预测方法研究

目前,很多应用需要跟踪图像序列中的运动物体。但是,有时不知道运动物体的特性,因此,提出一个完整的跟踪预测模型;使用无需先验知识的Kalman滤波器跟踪和预测运动物体。利用提取的Harris角点,通过L-K金字塔方法得到前后两帧光流;通过光流聚类得到当前帧中运动物体的凸包,使运动物体从背景中分离出来。由Kalman滤波器跟踪和预测各运动物体凸包的重心,并划出运动轨迹。计算机仿真及现场测试结果表明所提出的方法具有较高的跟踪精度,且计算量小。     

基于高斯-马尔可夫随机场模型的运动目标自动分割

提出了一种基于高斯 马尔可夫随机场(GMRF:GaussianMarkovRandomField)模型的运动目标自动分割算法.该算法采用有限高斯混合模型描述视频序列帧差图像的概率分布.在此基础上建立马尔可夫随机场模型,构造系统相应的能量函数.然后通过Metroplis优化算法求解能量函数的最优解,得出标记场,提取出运动目标.实验结果证明,该算法对运动目标分割具有很好的分割效果.