一种地面目标的相关跟踪方法

提出了一种用多子模板对目标进行相关跟踪的方法，该方法建立了综合多子模板相关结果，目标跟踪判断及自适应刷新模板等准则，较好地解决了相关如何判断目标锁定，部分遮挡，相似目标出现及模板的刷新等问题。     

一种地面目标的相关跟踪方法

提出了一种用多子模板对目标进行相关跟踪的方法，该方法建立了综合多子模板相关结果、目标跟踪判断及自适应刷新模板等准则，较好地解决了相关跟踪中如何判断目标锁定、部分遮挡、相似目标出现及模板的刷新等问题。     

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。     

序列图像目标跟踪的神经网络算法

针对序列图像目标跟踪问题，在提取图像特征点的基础上，提出了一种最优化算法，该算法将序列图像目标跟踪问题转化为相信两帧图像特征点间的匹配问题。文中根据匹配问题的各种限制条件给出代价函数，并利用Ｈｏｐｆｉｅｌｄ神经网络最优化计算功能来求取该代价函数的局部极小值。其中神经元的状态用以表示相邻两帧图像特征点间的匹配关系。神经元间的权连结用以反映地应特征点间的匹配程序。也就是说，本文针对序列黑种人希目标跟踪     

一种基于优化模板匹配的红外目标跟踪算法

为了在红外环境下进一步提高目标图像在环境变化或受干扰时跟踪的准确性,提出了一种有效的红外目标跟踪方法.该方法基于归一化互相关距离的相似性度量方法,设计了匹配跟踪置信度,并在此基础上实现了基于匹配跟踪置信度加权的自适应模板更新算法.在模板更新方面,提出了自适应阈值调整策略,在目标跟踪过程中根据匹配置信度动态调整阈值,避免了固定阈值对跟踪精度的影响.通过实验证明,算法对环境变化的适应能力和跟踪稳定性方面得到了较大的提高.     

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。     

一种基于图像识别的目标区域分割法

介绍一种在图像获取阶段有目的地增加一定标识物，利用它在原始形成的标识区域，在约束条件下，运用模板匹配的图像识别方法进行目标区域分割，并提出一种快速计算方法。     

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.     

运动图像序列自动解析方法的研究

针对赛铤运动图像序列的特点，提出了跟踪匹配的自动解析方法，即在模板匹配法中加入跟踪的概念，使得样本模板的中心随特征点的移动而变化。这种算法与一般的模板匹配法比较，可以进一步缩小搜索区域，减少计算量，降低失跟率。     

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。     

改进的Camshift目标跟踪算法的研究

Camshift算法是一种常用的跟踪算法,使用传统的Camshift算法追踪目标时,在目标与背景色调一致,或者目标与镜头相距较远的情况下可能会跟踪失败。通过分析Camshift算法的不足,从目标初始化和阈值筛选这两方面做出了改进;将原算法中的单框圈定目标改进为双框取定目标,阈值不变改进为自动调整阈值。实验结果证明,该算法具有一定的先进性,在目标较小或者目标移动迅速的情况下也能准确地进行跟踪,提高了算法对背景的适应能力以及跟踪的成功率和准确率。     

利用密度描述符对应的视觉跟踪算法

针对稀疏描述符由于关键点检测不稳定及其误匹配造成跟踪失败的问题,提出了一种利用密度描述符对应实现目标跟踪的算法。该算法通过计算目标在相邻两帧之间的密度描述符流,考虑目标的空间分布特性和描述符的权重,得到目标的运动矢量,获得目标在当前帧中的估计;根据密度描述符的运动矢量与目标运动矢量的关系及其匹配程度,更新密度描述符的权重。在大量测试数据上对所提算法进行实验,并与相关跟踪算法进行比较,定性和定量分析表明:当发生光照、遮挡、姿态变化时,所提算法能够稳定地跟踪目标,跟踪成功率均在90%以上,跟踪误差要小于其他算法。     

魔鬼阶梯的Hausdorff测度与Hausdorff维数

在分形几何中,Hausdorff测度与雏数是基本概念,结合Hausdorff测度与雏数的计算,研究了一种特殊的集合-魔鬼阶梯,给出了其Hausdorff测度与Hausdorf维数,并在此基础上将所得的结论进行了推广.     

Hausdorff测度的等价定义

Thomson[1]与Edgar[2]曾给出Hausdorff测度的等价定义。在他们的工作基础上,又补充了另外的等价定义,并改进他们的等价性证明。作为应用,改进并完善了[3]中的命题4．9的证明,进而可以较为简单求出一般Cantor集的Hausdorff测度。     

基于改进的Hausdorff距离的字符识别方法

为了提高字符识别的正确率和速度,本文提出了一种改进的Hausdorff距离的字符识别方法.实验结果表明,该方法在印刷体数字识别中达到100%的识别率,在字母识别中,除个别被噪声严重污染和结构特征极其接近的字母外也得到了正确的识别效果,且改进后的运算速度提高了一倍左右.     

基于改进粒子滤波算法的水下目标跟踪 

针对复杂水下环境中声探测传感器获得的运动目标信息具有不确定性和模糊性等问题,提出了基于声探测传感器特点的高斯粒子滤波水下目标跟踪方法.基于粒子滤波理论,采用一阶自回归模型作为运动目标状态转移的依据,设计了由目标区域的面积特征和不变矩特征相融合的观测模型,解决了目标跟踪中的粒子权值的选取问题,克服了传统粒子滤波重采样问题,提高了复杂环境下目标跟踪结果的准确率.展示了应用高斯粒子滤波实现水下目标跟踪的过程.试验结果表明,该方法具有较好的鲁棒性和实时性,是复杂水下环境中目标跟踪的一种高效可行的新方法.     

自相似分形的Hausdorff测度

研究了自相似分形的Ｈａｕｓｄｏｒｆ测度的上界估计问题,得到以下结果：设Ｓ是Ｓｉｅｒｐｉｎｓｋｉ垫,ｓ＝ｌｏｇ２３是Ｓ的Ｈａｕｓｄｏｒｆ维数,对任一ｘ,０＜ｘ＜１２,将ｘ表为ｘ＝１２ｉ１＋１２ｉ２＋…,ｉ１＜ｉ２＜…,ｉ１,ｉ２,…∈Ｎ．则Ｓ的Ｈａｕｓｄｏｒｆ测度Ｈｓ（Ｓ）满足Ｈｓ（Ｓ）≤１１－３２∞ｊ＝１２ｊ３ｉｊ（１－ｘ）ｓ．取ｘ＝１２３＋（１２４＋１２６＋…＋１２２ｋ＋…）,ｋ＝２,３,…．则得到Ｈｓ（Ｓ）＜０．８７０１．记Ｈ（ｘ）＝１１－３２∞ｊ＝１２ｊ３ｉｊ（１－ｘ）ｓ则ｉｎｆ０＜ｘ＜１２｛Ｈ（ｘ）｝≥ｍｉｎ｛Ｈ（ｉ２ｎ）（２ｎ－ｉ－１２ｎ－１）Ｓ：ｉ＝１,２,…,２ｎ－１－１｝．取ｎ＝２０,上机运算得ｉｎｆ０＜ｘ＜１２｛Ｈ（ｘ）｝＞０．８７００．由此可知０．８７０１是本文这种方法估计Ｓｉｅｒｐｉｎｓｋｉ垫的Ｈａｕｓｄｏｒｆ测度的相当好的上界．     

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.      

基于对象跟踪的视频分割

镜头是视频检索的基本单位,是摄像机在某一个地点附近或相邻的地点连续拍摄的内容．镜头时间由摄像机的开关机动作决定,具有连续拍摄的场景和较为连续的情节．几乎所有的视频分析和应用都是在镜头的基础上进行的．镜头的切换有两种：突变切换和渐变切换．突变是指从一个镜头直接切变到另一个镜头;而渐变是根据视频编辑手法的不同可以分为几种：     

基于水平集运动目标检测与跟踪方法

针对目前常采用的运动分析检测方法存在的缺点,提出了基于水平集理论的测地线活动轮廓模型与背景差分相结合的运动目标检测方法.该方法使水平集函数免重新初始化,大大减少了曲线演化迭代的次数和运行时间,得到准确的运动目标轮廓.通过与粒子滤波和mean shift跟踪方法的比较,最终采用效率最高、最优的Kalman滤波预测物体的运动轨迹.实验结果表明,该方法对刚性和非刚性两类目标都具有较好的检测与跟踪效果.