基于CamShift和Kalman滤波混合的视频手势跟踪算法

提出了一种基于CamShift和Kalman滤波混合的跟踪算法,实现了对视频图像中动态手势的跟踪。在跟踪过程中,CamShift利用手势的颜色直方图模型,将图像序列通过一个肤色概率查找表转换为肤色概率分布图,结合运动信息和肤色概率分布,初始化一个搜索窗的大小和位置,并根据上一帧跟踪的结果自适应调整搜索窗口的位置和大小,从而定位出当前图像中手势的中心位置。在CamShift算法基础上利用Kalman滤波对搜索窗口进行运动预测。实验表明,该算法快速准确可靠,并且较好地处理了跟踪过程中大面积肤色干扰问题,对复杂场景的检测与跟踪也取得了较好的效果。同时,该算法还适用于其他具有特定颜色目标的跟踪。

基于CamShift的自适应颜色空间目标跟踪算法

CamShift算法只适于特定颜色目标的跟踪,针对这一不足,提出了自适应颜色空间目标跟踪算法。依据当前测量值,根据类间平均距离动态选择当前颜色空间。颜色空间更新判断机制的引入,降低了颜色空间更新带来的时间开销。实验结果表明,该算法可以更准确地在复杂背景下的跟踪各种色彩的目标。

基于N-LBP纹理与色度信息的Camshift跟踪算法

基于颜色特征的运动目标跟踪算法容易受到光照非均匀变化或阴影的影响,如何利用多种特征联合构造目标模型以提升跟踪性能是一个关键问题。提出了一种新的特征融合运动目标跟踪算法,该算法基于局部二值模式(Local Binary Pattern,LBP)纹理特征,引入光照自适应的局部标准差构造二值模式门槛值,采用统一模式下的N-LBP纹理描述子构造特征直方图,并结合色度信息建立联合直方图,在Camshift算法框架内进行目标跟踪。实验证明,与传统Camshift算法相比,该算法在保证跟踪算法实时性能的同时,可以更好地克服阴影遮挡等导致的非均匀光照变化带来的影响,具有良好的跟踪效果。

结合Camshift和Kalman预测的运动目标跟踪

针对单一的CamShift跟踪算法在目标发生遮挡时非常容易致使跟踪目标失败的问题,本文提出了一种基于CamShift和Kalman预测的跟踪算法。首先,采用帧间差分阈值法来快速、精确地检测和提取出运动目标;然后,通过在CamShift算法中使用运动目标的颜色特征,在图像序列中找到运动目标的所在位置和大小;最后,使用Kalman滤波预测目标的位置,进而有效地解决了背景中大面积相同颜色的干扰和目标部分被遮挡等问题。用无线遥控车完成了运动目标的跟踪实验,实验证明结合CamShift算法和Kalman预测滤波能实时、准确地跟踪目标。

具有自适应MB-LBP前置滤波的CAMShift人脸跟踪算法

基于颜色分布的连续自适应均值移动(CAMShift)人脸跟踪算法简单、易于实现,被广泛应用于实时跟踪。但因其采用肤色模型作为跟踪模式,所以当目标处于类肤色背景区域时,跟踪窗口极易错误收敛到背景区域从而导致跟踪失败。为此,本文提出一种具有自适应MB-LBP前置滤波的CAMShift跟踪算法。首先训练一个能检测人脸基本特征的级联MB-LBP节点分类器。当跟踪窗口进入类肤色干扰区时,系统自适应地把该分类器接入作为CAMShift跟踪算法的前置滤波器,以排除背景中的类肤色干扰,提高算法的鲁棒性。实验结果表明,该算法既能有效排除背景中的类肤色干扰、显著提高CAMShift人脸跟踪算法的鲁棒性,又能保持人脸跟踪的实时性。

CAMSHIFT与基于核的目标跟踪算法的比较与分析

CAMSHIFT和基于核的目标跟踪是两种经典的基于Mean Shift的目标跟踪算法,它们的实现过程有许多类似之处。为了说明在实际应用中如何选择合理的跟踪方案,从目标模型、候选模型、核函数、迭代过程等方面对二者进行了深入的比较和分析,指出了二者的特点和区别,对于正确理解和使用这两种方法将会有一定的帮助。

基于Camshift算法的光笔投射点的实时跟踪

为实现对光笔投射点的实时跟踪,采用了Camshift跟踪算法,但是该算法在动态复杂背景及在颜色相似的背景区域中不能很好地进行跟踪。因此,提出了改进方法。首先,引入红色滤镜,以此改变Camshift算法颜色特征提取的效果,从而削弱了背景的影响,突出了目标,很好地克服了背景中的颜色干扰,使动态复杂背景下光笔投射点的跟踪具有较高的鲁棒性和实时性;然后通过改变区域选择方式,达到了自动跟踪的效果;最后,通过OpenCV实现了对光笔投射点的实时跟踪。实验结果表明,该方法在光笔投射点实时跟踪上是十分有效的。

isMHI结合CAMSHIFT的多目标跟踪

为实现对视频监控场景中多目标的实时跟踪,提出一种基于isMHI与CamShift的持续跟踪方法。当进入到视频场景中的目标处于运动状态时,该方法基于isMHI对其进行跟踪。当场景中的某些目标转为静止状态时,则基于CamShift对其进行监视锁定,并确定了两种跟踪状态的承接算法。实验数据表明,该方法通过优点互补克服了基于MHI方法以及基于CamShift方法各自的缺陷,能够在保持较小错误率基础上实现对视频场景中多个目标的动态或静态状态下的持续、稳定、实时的跟踪,可用于安全保卫应用或交通应用中感兴趣目标的跟踪监控。

基于颜色直方图和深度信息的CamShift目标跟踪算法

基于颜色直方图的Cam Shift目标跟踪方法不能适应复杂环境,特别是环境中有相似颜色干扰的情况.针对这一不足,提出了一种基于颜色直方图和深度信息的Cam Shift目标跟踪方法.通过对比试验,证明深度信息的引入,大大削弱了复杂环境对跟踪效果的影响,提高了目标跟踪的鲁棒性.

无人机立体视觉识别船舶航行风险仿真

由于船舶交通受碰撞、搁浅、走锚等随机干扰因素的影响,导致对船舶航行目标的跟踪与风险预警具有较大难度。为增强海上航行的安全性,提出一种基于无人机立体视觉的船舶航行风险识别方法。引入双目视觉立体技术,获得目标船舶在航行过程中的图像数据。利用卡尔曼预测器优化连续性自适应均值漂移算法,跟踪目标船舶,通过高斯混合模型识别船舶航行风险。实验结果表明,研究方法对不同海域的船舶跟踪曲线与船舶实际航行曲线具有较高拟合度,且上述方法的船舶航行风险识别正确率高于90%,且误报率低于0.2%,说明提出方法的应用可靠性较高。

一种基于直方图特征和AdaBoost的图像中的文字定位算法

图像中的文字自动定位是计算机视觉领域中的一个新兴研究热点。为了使得定位算法能够适应不同类型的图像和文字,根据文字所具有的特殊纹理属性,提出了一种具有普适能力的基于直方图特征和AdaBoost的文字定位算法。该算法首先通过提取对文字具有较强鉴别能力的直方图特征和引入AdaBoost算法来设计级联结构的纹理分类器;然后用该分类器的概率输出来生成文字概率图;在此基础上再通过CAMSH IFT算法得到最终的定位结果。实验结果表明,该算法具有较强的鲁棒性,能够适应文字在语种、字体、尺度等方面的变化,在不同类型的图像中都能得到较好的定位结果。

背景抑制直方图模型的连续自适应均值漂移跟踪算法

针对传统连续自适应均值漂移(CAMshift)跟踪算法在建立目标颜色模型阶段容易包含大量背景颜色信息从而使跟踪效果变差的问题,该文提出一种改进算法。利用混合高斯模型背景法(GMM)将原始图像分割成前景和背景的叠加,在原始图像和背景图像上运动物体所在区域分别建立色调分量直方图,利用背景图像的色调分量直方图计算原始图像中对应色调分量的权值,抑制原始图像中与背景颜色相同的色调,扩大前景与背景颜色的差异性。该方法通过对原始颜色模型中属于背景的色调进行抑制,扩大了目标颜色模型的显著性,提高了跟踪的准确性和稳定性,目标定位的最大中心误差小于20%,能够准确跟踪不发生丢失。

多特征连续自适应均值漂移人脸跟踪算法

传统连续自适应均值漂移人脸跟踪算法,仅使用了人脸的色调特征,容易受到光照及相同背景色影响,为此,提出将人脸颜色和表示线端、角点、边界相关的纹理信息相结合共同构成人脸特征的CAMSHIFT算法。首先,采用带有权重的RGB颜色空间创建归一化的人脸直方图模型;然后,在视频图像中进行目标人脸直方图投影,同时进行纹理检测,保留纹理信息的人脸颜色特征,形成概率密度分布图;最后,由Mean Shift算法从当前位置迭代寻找直至定位目标人脸。实验结果验证了该算法可以抵御同色背景和部分遮挡的影响。

旋翼飞行机器人多机视觉跟踪定位系统及方法

针对旋翼飞行机器人在多机跟踪定位时受遮挡、光照变化等因素的影响,易出现跟踪目标丢失的问题,提出一种改进的分段多目标跟踪定位方法,首先,为克服单一颜色特征不能准确描述目标的不足,设计了按一定的权值系数融合目标的颜色特征和边缘特征来建立似然函数作为目标模板;考虑到粒子滤波算法能解决目标发生遮挡的跟踪问题,然后,利用目标模板与候选目标模板的相似度来实现连续自适应Mean-Shift算法和粒子滤波算法的切换,保障了算法的鲁棒性及实时性。可应用于旋翼飞行机器人完成自主的直线飞行与绕圆飞行任务。

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。

一种结合了纹理和颜色的运动目标跟踪算法

运动目标跟踪是智能视频监控中的关键技术之一,怎样描述运动目标是该技术的一个关键问题。提出一种新的运动目标跟踪算法,结合改进的LBP纹理和色度来描述运动目标,并采用Camshift算法的思想进行目标跟踪。为了降低算法的复杂性,在保证跟踪精确度的前提下,LBP纹理和色度的种类被极大地精简。实验证明提出的方法能有效地跟踪运动目标,在常规的视频分辨率下能达到实时性,比同类的其它算法性能更好。

基于人工标志的无人机视觉导航方法

为了实现无人机长时间的精确定位,提出了一种新的视觉导航方法。无人机机载摄像头实时采集无人机相对人工标志物的图像,采用基于Cam Shift的特征目标跟踪算法,实时识别人工标志,并计算无人机相对标志物的质心位置与图像中心的偏差以及方向角偏差,无人机根据偏差数据生成飞行控制律,调整无人机姿态,实现对无人机的引导。实验验证了该算法的正确性和有效性。

面向人体运动视觉跟踪的多线索融合算法

为了跟踪人体的运动轨迹,结合人体运动图像的颜色特征、预测目标位置特征和运动连续性特征,提出一种面向视觉跟踪的多线索融合算法.该算法采用连续自适应均值漂移技术,其中,颜色特征采用色调和饱和度特征、红色信道特征、绿色信道特征以及蓝色信道特征,对于遮挡和位姿的改变实现了较好的鲁棒性;预测目标位置特征利用帧差技术实现;运动连续性特征根据帧间连续性完成.实验结果表明,文中算法比单一线索的算法更加鲁棒,取得了比协作均值漂移跟踪算法更好的跟踪效果,并可以处理目标被部分遮挡、目标环境的颜色饱和度较低等情况.

基于改进连续自适应均值漂移的视频目标跟踪算法

针对连续自适应均值漂移算法仅限于跟踪人脸的缺点,对原算法进行改进使其能有效跟踪其他目标。在改进的算法中,提出使用HSV三个通道的直方图,并为每个通道直方图分配灵活的级数。为了避免相同颜色的影响,分析和处理了直方图反向投影所得的概率分布图像。同时,使用卡尔曼滤波对视频目标位置进行预测和调整,将过往运动信息加入到目标跟踪中,提高了跟踪的准确度。

基于Snake算法的深度图像人体目标跟踪

基于彩色图像的人体跟踪算法鲁棒性不高的主要原因是对目标进行跟踪时,受到光照变化、复杂背景、物体遮挡等因素的影响.针对此问题本文利用Kinect采集深度图像进行人体目标跟踪.首先在深度图像中通过用户索引检测出人体目标,可方便地去除图像中复杂背景的干扰.然后利用基于角点的自动初始化方法得到人体的轮廓信息,再结合Snake算法实现人体目标跟踪.最后将该算法与基于深度图像的Camshift算法进行对比分析.结果表明,在室内应用Snake算法不受灯光和复杂背景等因素的影响,能对人体目标进行实时跟踪,且比Camshift算法具有更强的抗干扰能力,跟踪更准确.