基于深度学习的视频跟踪技术研究

在现代社会建设和发展过程中,智能监控技术、系统发挥着至关重要的作用,对社会安全和大众生产生活都具有直接的影响。并且目前来看,视频跟踪技术作为智能监控中的关键技术,已经受到业界内外的广泛关注。从学术层面来说,视频跟踪也是计算机视觉领域中的核心课题之一,在现实场景复杂因素影响之下,视频跟踪技术现实应用遇到比较大的挑战。此时基于深度学习的视频跟踪技术应运而生,其有效解决一直以来的不足,智能监控水平得到较大提升,跟踪性能亦是如此,具有良好的鲁棒性和准确度,这些都是智能监控所急需的。

激光雷达融合机器视觉的物流分拣多目标视频跟踪

为了实现物流分拣多目标精准跟踪,提出一种激光雷达融合机器视觉的物流分拣多目标视频跟踪方法。通过激光雷达采集检测环境内的点云数据,并对其滤波处理。将机器视觉采集的物流分拣视频去噪,采用Sobel边缘检测算子检测去噪后的图像边缘,引入分裂合并算法对去噪图像展开多区域分割处理,获取比较明显的多目标视频区域。利用透视变换原理对图像数据融合处理,实时确定目标位置,实现物流分拣多目标视频跟踪。经过实验测试证明,所提方法的物流分拣多目标视频跟踪结果准确率超过95%,且延误时间控制在13 ms以内。

基于视频跟踪算法的果园猕猴桃产量实时预估

对猕猴桃产量的准确预估有利于合理安排后续采摘与运输工序,因此开发智能化的产量实时预估工具非常重要。针对大棚培育的猕猴桃矮化密植、分布范围广等特点,本研究利用果园履带小车采集视频,结合人工标注,建立猕猴桃检测和跟踪的数据集。考虑到自制数据集中猕猴桃占比小及密集分布的特点,本文提出使用YOLO v7模型加上Soft-NMS来检测每一帧图像内的猕猴桃。在卡尔曼滤波器预测的结果上,引入VGG16网络对猕猴桃进行特征提取,并结合匈牙利算法完成帧间目标的匹配。最后采用基于YOLO v7+DeepSort跟踪算法的ID计数方法对猕猴桃进行产量估计。实验结果表明,改进的YOLO v7模型在猕猴桃检测数据集上表现良好,检测的F1值为90.09%。猕猴桃跟踪数据集中使用的跟踪算法平均准确率为89.87%,每个目标正确匹配的精确率为82.34%,大型视频跟踪速度为20.19 f/s。在环境影响较小的条件下,ID计数准确率为97.49%。该方法可为猕猴桃果园智能化管理中的估产、采收规划等提供技术支撑。

基于模块化设计的视频跟踪器故障诊断检测工装研究

随着电子与信息技术的飞速发展,视频跟踪器一体化、集成化与智能化程度越来越高,对故障的诊断与定位要求也越来越高,单凭经验和定性分析已经无法满足维修需要;为了提高视频跟踪器功能性能检验及故障定位的效率,一种基于模块化设计的视频跟踪器故障诊断检测方法被提出,并在所提方法的基础上设计了一种检测工装,通过解耦模型将视频跟踪器的功能及数据流进行划分,并利用故障树分析法自上而下进行测试与定性定量分析;对比实验表明,该工装具有较高的适用性,能够简化检验与维修过程,降低操作的难度。

视频跟踪算法研究综述

在许多计算机视觉应用领域中,视频跟踪是最基本的任务。尽管有了大量的跟踪算法,但是跟踪算法的鲁棒性仍是具有挑战性的问题。物体的突然运动、目标或者背景外观的改变、目标与目标以及目标与背景的遮挡、非刚性物体的结构、摄像机抖动等问题都是视频跟踪算法设计过程中需要考虑的因素。介绍了视频跟踪算法及其研究进展,综述了现有基本的目标跟踪算法分类,详细描述了每种表示方法,并指出其优缺点。进一步讨论了跟踪的重要性问题,包括目标检测、特征选择、贝叶斯跟踪、在线学习跟踪等。

基于局部敏感核稀疏表示的视频跟踪

为了解决?1范数约束下的稀疏表示判别信息不足的问题,该文提出基于局部敏感核稀疏表示的视频目标跟踪算法。为了提高目标的线性可分性,首先将候选目标的SIFT特征通过高斯核函数映射到高维核空间,然后在高维核空间中求解局部敏感约束下的核稀疏表示,将核稀疏表示经过多尺度最大值池化得到候选目标的表示,最后将候选目标的表示代入在线的SVMs,选择分类器得分最大的候选目标作为目标的跟踪位置。实验结果表明,由于利用了核稀疏表示下数据的局部性信息,使得算法的鲁棒性得到一定程度的提高。

一种基于FPGA的实时视频跟踪系统硬件平台设计

提出一种基于FPGA的视频跟踪系统硬件平台的设计方法,包括主控芯片、CMOS图像采集、多端口SDRAM控制器、图像VGA显示、SOPC系统和云台控制驱动等电路的设计。通过该平台,可以实现实时图像采集、缓存、显示和云台驱动;在SOPC系统中加入代码,可以实现运动目标的检测、跟踪、定位,改变云台转动方向,实现自主跟踪。

自适应分层采样辅助粒子滤波在视频跟踪中的应用研究

以视频目标跟踪中粒子滤波的粒子采样优化设计为研究内容,提出一种自适应分层采样辅助粒子滤波算法,以实现保证跟踪准确度和兼顾跟踪鲁棒性的要求.以Bhattacharyya系数为参量设计了粒子数调节函数,能够根据跟踪质量在粒子集中自适应分配用于保证准确度的粒子数和维持鲁棒性的粒子数.以最小二乘法对目标运动的预测点作为产生新粒子集的均值偏移操作起点,使新粒子集更准确的描述目标似然分布并提高算法效率.不同场景下的跟踪实验表明,算法能很好的应用于遮挡和运动方向渐变等情况下的跟踪,处理时间满足实时性要求.

基于空时线索的TLD视频跟踪算法

视频跟踪是计算机视觉领域的研究热点之一,Tracking-Learning-Detection(TLD)是近年来提出的一种有效的视频跟踪框架。针对短时遮挡以及复杂可变背景环境下的目标跟踪问题,提出了一种基于空时线索的TLD视频跟踪算法。在该算法中,采用由局部图像块的多通道特征训练生成的霍夫森林进行检测,通过多个局部图像块引入目标相关的空间位置信息,提高了算法的区分能力;然后,根据图像块对光流跟踪初始位置进行随机化布置并利用空间位置信息对光流跟踪结果进行加权,改善光流跟踪的性能;最后,对光流跟踪输出置信度与霍夫森林检测输出置信度进行自适应空时融合,综合提高目标的跟踪精度。实验结果表明,与原始TLD算法相比,本文算法能够更有效地处理遮挡问题,实现复杂背景环境下的鲁棒目标跟踪。

基于System Generator的快速视频跟踪系统设计

文中基于System Generator和FPGA技术设计了一种快速视频跟踪系统,构建了图像采集和处理的硬件平台,给出了归一化互相关匹配算法的System Generator模型,在Simulink仿真环境下进行了算法验证,并将该模型转化为VHDL语言下载进FPGA中进行硬件调试,最后将系统成功应用于实践中。相比于传统环境下实现的目标跟踪算法,本系统一方面实现了算法和硬件的分离,提高了系统开发速度,另一方面大大提高了目标跟踪的速度和精度。实践结果表明,该系统能够迅速准确地识别目标,从而实现对目标的实时跟踪。

基于多C64x的视频跟踪器设计与实现

基于多片目前最高性能数字信号处理器TMS320C6416设计并实现了一种视频跟踪器。以3片TMS320C6416为图像实时处理单元,采用多处理器松耦合星形拓扑网络系统结构,结合大规模可编程逻辑器件FPGA及EPLD对视频跟踪器进行了模块化设计。通过对复杂背景下红外弱小目标的实时跟踪,有效地验证本系统的重构性、实时性及适用性。

记忆分水岭圆盘梯度膨胀模板运动视频跟踪

为进一步提高运动视频中目标跟踪检测的准确度,提出记忆分水岭圆盘梯度膨胀模板运动视频跟踪算法。对于运动视频图像采用异向扩散对运动视频图像执行预处理,降低运动目标跟踪检测存在的噪声干扰,并利用差分操作和形态学操作对运动物体外形轮廓进行提取和操作;针对分水岭算法存在的过分割问题,基于特征记忆实现分水岭算法的目标标记与分割,并基于圆盘梯度膨胀模板,实现运动目标精确检测;通过实验对比显示,所提算法在运动目标的复杂背景检测应用中,不仅可实现运动目标的检测精度提升,同时可实现算法计算速度的大幅提升。

视频跟踪-计算机自动分析的小鼠条件性位置偏爱实验系统的构建

目的 :建立视频跟踪 -计算机自动分析的小鼠条件性位置偏爱实验系统。方法 :位置偏爱系统主要由电脑、摄像头、活动盒、隔音箱以及相应的分析软件组成。用吗啡诱导的小鼠条件性位置偏爱实验评价建立的位置偏爱实验系统 ,同时研究条件化训练过程中 ,吗啡对小鼠在伴药盒的运动活性的影响。结果 :同生理盐水对照组相比 ,腹腔注射低 (1mg/ kg)、中 (3mg/ kg,5 mg/ kg)、高 (10 mg/ kg)剂量的吗啡都能显著延长小鼠在伴药盒的停留时间 ,但无明显剂量反应关系。并且中、高剂量的吗啡显著增强小鼠在伴药盒内运动活性 ,其中 5 mg/ kg、10 mg/ kg吗啡诱导运动敏感化形成。结论 :成功建立视频跟踪 -计算机自动分析的小鼠条件性位置偏爱实验系统 ,该系统可靠、稳定。

基于梯度投影的视频跟踪算法

为实现复杂场景内目标的准确捕获与跟踪,结合目标特征,提出基于梯度投影的视频跟踪算法。根据目标先验知识,对视频流开窗并进行梯度投影,获取目标区域的位置信息;通过特征提取和形态学分析提取目标特征参数,实现目标判定与捕获;利用目标质心坐标更新跟踪窗位置信息,实现对目标的跟踪。实验结果表明,该算法降低了运算量,实时性强,实现了对目标的准确、稳定的跟踪,对实验场景中的光照变化和疑似目标的干扰具有很强的鲁棒性。

复杂场景下基于多特征融合的视频跟踪

为了解决常见视频跟踪方法在复杂场景中难以有效跟踪运动物体的难题,研究了在粒子滤波框架下基于多特征融合的判别式视频跟踪算法。首先分析了特征提取和跟踪算法的鲁棒性和准确性的关系,指出融合多种特征能有效地提升算法在复杂场景中的跟踪效果,然后选择提取HSV颜色特征和HOG特征描述目标表观,并在线训练逻辑斯特回归分类器构造判别式目标表观模型。在公开的复杂场景视频进行测试,比较了使用单一特征和多种特征的实验效果,并且将所提算法和经典跟踪算法进行了比较,实验结果表明融合多种特征的视频跟踪更具鲁棒性和准确性。

面向多目标视频跟踪的出生强度估计方法

针对多目标视频跟踪中的新生目标出生强度估计问题,提出一种有效的基于熵分布和覆盖率的方法.该方法利用前一时刻所获目标状态及测量值对出生强度进行初始化,再利用当前时刻所获测量值对出生强度进行更新.在更新阶段,首先选取仅依赖于权值的负指数熵分布作为出生强度的先验分布,滤除出生强度中与当前时刻测量值无关的噪声分量;然后通过计算出生强度与相应测量值间的覆盖率对出生强度权值进行再次更新,进一步滤除权值小于给定阈值的噪声分量.实验结果表明,文中方法有效地降低了噪声分量的影响,提高了多目标视频跟踪的准确率.

基于改进GM(1,1)模型的车辆视频跟踪

提出了运用GM(1,1)模型进行车辆视频跟踪的方案。针对传统的GM(1,1)模型短期跟踪效果好而长期跟踪误差较大的问题,将每次预测值与真实值的偏差作为影响因子,对GM(1,1)算法进行了改进,改进后的预测值更加接近真实值,并能保证长期跟踪的效果。最后通过车辆跟踪试验验证了改进算法的有效性,减小了预测值与真实值的误差。

采用数字信号处理器TMS320C6201构成的视频跟踪警戒装置

介绍了一种以高速数字信号处理器TMS320C6201为核心器件构成的视频跟踪警戒装置。该视频跟踪警戒装置，既可自成一个小系统，独立进行工作；也可作为一个子系统，装在其它光电测量跟踪系统中工作。

基于视频跟踪的前交叉韧带重建导航及仿真评估系统研究

植入点位置的确定以及重建后是否满足等距性,对于前交叉韧带(ACL)的重建是至关重要的。针对ACL重建入点定位困难以及缺少术后评估等问题,借助于视频跟踪相机,实现了一种基于膝关节侧位X光片的股骨四分格和胫骨46%方法的ACL重建导航及仿真评估系统,并分别介绍了视频跟踪、空间映射及C臂标定、图像融合、图像校正、曲面重建算法等关键技术的实现。利用该系统进行了8例模型骨的实验,并对采集到的特征点进行了精度验证,入点定位误差最大为2.59 mm,平均为1.59 mm。实验结果表明,该系统利用两幅X光图像可以完成ACL重建手术规划,入点定位误差可以基本满足临床应用要求,初步验证了该方法的可行性。

一种结合Mean-shift和粒子滤波的视频跟踪算法

提出一种结合均值偏移算法和粒子滤波理论的视频跟踪算法,解决了目标旋转、部分遮挡和运动速度过快的问题.通过均值偏移对粒子滤波中的粒子集进行进一步寻优,增加了粒子的有效性,极大减少了粒子采样的数量,且解决了经过多次重采样后粒子多样性降低的问题.新的粒子通过与观测值之间的巴氏系数来决定重要性权重.实验证明:本算法可以完成实时地对视频目标进行部分遮挡以及目标旋转下的跟踪,具有较强的鲁棒性.