基于多线索融合的目标跟踪算法及其在DM3730上的实现

研究了一种基于多线索融合的目标跟踪算法并在TIDM3730上实现。该算法结合在线AdaBoost和颜色目标跟踪算法,选用Haar小波和核颜色直方图两种特征类型,利用粒子的状态散度矩阵的行列式对这两种不同类型的特征进行融合,实现了对所选定目标的鲁棒跟踪。分析及实验结果表明,与传统的基于单一特征的目标跟踪方法相比,本算法融合了两种不同类型特征的互补性,在具有挑战性的复杂环境下,例如目标遮挡,旋转以及光照变化等,都有更好的跟踪效果。

一种特征融合的带宽自适应Mean Shift跟踪算法

传统Mean Shift跟踪算法在目标颜色特征和背景颜色特征相近、尺度变化等情景下效果不理想。提出了一种特征融合且核函数带宽自适应的改进跟踪算法,针对颜色直方图容易受背景区域影响,融合了边缘直方图,并对核函数带宽进行自适应更新。另外,对目标模型的更新进行了相关探索并给出比较结果。结果表明,该算法可以对目标实现更稳定的跟踪,对目标颜色和背景颜色相近、尺度变化等场景具有很好的适应性。

基于边界沙包核函数的Mean-Shift跟踪算法

针对传统的Mean-Shift跟踪算法,使用单个颜色特征定位目标易受相似目标与背景的干扰导致跟踪失败以及跟踪窗口尺寸不能自适应跟踪目标变化的问题,提出一种基于颜色特征与边界特征相融合的目标表示方法和沙包核函数Mean-Shift尺寸自适应算法。在跟踪中,颜色特征和边界特征根据各个特征的可靠性进行实时性更新;同时,在跟踪窗口中心和边界定位的基础上,由候选目标跟踪窗和分块目标跟踪窗的边界距离变化对核窗宽大小进行更新。实验结果表明,该算法目标定位的精确性更高,在目标尺寸增大和减小的情况下,平均每帧耗时比传统的基于矩形窗和椭圆窗自适应跟踪算法更少,提高了跟踪性能,满足实时性要求。

基于颜色直方图金字塔的图像自动标注方法

针对图像自动标注应用,提出一种基于金字塔匹配核(PKM)的颜色直方图特征标注方法。图像以金字塔方式划分成越来越细的格子,统计每个格子的颜色直方图并进行对数处理,以平衡不同颜色对直方图的贡献。所有格子的直方图经过加权处理后连接成单一向量,称为颜色直方图金字塔,通过直方图相交距离度量向量之间的相似度。在corel5k数据集上的实验结果表明,该方法在全局颜色直方图、分块颜色直方图和尺度不变特征变换特征方面优于传统方法,与同样基于PKM的空间金字塔匹配(SPM)方法相比,F度量值提高了10%。

改进型Mean-Shift算法在行人目标跟踪中的应用

针对传统Mean-Sshift算法对于运动目标特征变化较快、某些干扰和遮挡等问题而引起目标定位偏差的情况,提出了一种基于改进型的颜色直方图的Mean-Shift算法,该算法是将颜色直方图和三重帧间差分的方法相结合的一种目标跟踪算法。实验结果表明,应用改进后的算法思想,可以较准确的对视频流中的行人目标进行实时跟踪,新算法能较好的解决运动目标特征变化较快而引起跟踪不准确的问题,实现对行人目标进行准确定位跟踪。

基于颜色体积核特征和改进的LBP的图像检索

针对单一特征不能充分表达图像信息的问题,为了提高图像检索的准确率,提出了一种基于颜色体积核特征和改进的局部二元模式(LBP)的图像检索算法。首先提取图像的颜色体积直方图来描述图像颜色的整体信息和空间信息,并使用高斯核函数将低维颜色体积直方图特征映射到高维核空间对图像先进行过滤,再使用由LBP算子改进得到的局部Gabor二元模式(LGWBP)算子对返回的图像提取纹理特征,最后对图像进行相似性度量。实验结果表明,相对于以颜色直方图、颜色体积直方图、LBP算子为特征的图像检索方法,该算法有效地提高了检索的精准率、改善了检索结果的排序值并具有很好的稳定性和抗旋转性。

基于分块颜色体积核特征和MLBP的图像检索

提出了一种基于分块颜色体积核特征和改进的局部二元模式(MLBP)的图像检索算法.首先对图像进行重叠九分块并提取子块的颜色体积直方图,并使用高斯核函数将低维颜色特征映射到高维核空间对图像先进行过滤,再使用MLBP算子对返回的图像提取纹理特征,最后对特征进行相似性度量.实验结果表明,相对于以颜色体积直方图、分块颜色直方图、传统LBP算子为特征的图像检索方法,该算法有效地提高了检索结果的精度、改善了相关图像的排序值,并具有很好的抗噪性.

深度信息辅助的均值漂移目标跟踪算法

参考目标模型中混入的背景噪声会弱化目标特征的描述,导致目标跟踪定位误差。为减少误差,依据目标与背景处于不同深度平面的特点,提出了基于深度信息辅助的和改进的背景加权直方图的Mean Shift跟踪算法,能够有效削弱核窗口中的背景干扰信息,突出目标的颜色特征信息,并适时自适应更新核带宽,减少因目标尺寸变小时引入较多的背景干扰信息。实验结果表明该算法迭代次数更少,具有良好的跟踪定精度。

基于双权值颜色直方图的工作服检测与跟踪

为保障工人的安全,对工人是否穿着工作服进行检测与跟踪具有重要意义。针对均值漂移算法中颜色直方图对工作服特征描述不准确、固定核窗宽不能对尺寸逐渐增大的目标进行有效跟踪两方面问题,提出一种基于目标像素中心加权与背景颜色削弱权值的双权值颜色直方图建模法,建立颜色特征突出的工作服模型,并结合工作服两种显著颜色的质心距离变化,在跟踪中调节核窗宽的大小。实验结果表明,提出的方法能够快速准确地检测和跟踪工作服。

采用互补特征的核相关滤波目标跟踪算法

为了改善跟踪算法的性能,提出一种自适应加权的融合颜色特征和方向梯度直方图(HOG)特征的多核多通道的相关滤波跟踪算法.针对核相关滤波算法特征单一的问题,采用互补特征核空间描述目标,并根据互补特征响应值的大小,自适应为互补特征核空间分配权重、更新模型,提高算法的鲁棒性.实验结果表明:所提出的算法不仅能在一定程度上处理目标外观变化问题,而且完全满足跟踪场景的实时需求.

基于Camshift算法的神经丝蛋白自动跟踪

神经丝蛋白体型细长、形态多变,跟踪难度大。为了能够准确稳定的获取神经丝蛋白质的运动状态,利用了改进的Camshift算法实现了对神经丝蛋白运动的自动跟踪。利用HSV颜色空间的颜色直方图建立目标模型,结合预测点对目标特征点加权。通过在目标颜色概率模型中引入核函数,利用核密度梯度来进行目标搜索,最终在每帧图像中获取目标的具体位置。鉴于神经丝蛋白的特殊性,还对比分析了其他两种概率预测类算法的跟踪效果。实验结果表明,此方法能够快速稳定跟踪神经丝蛋白,为神经丝蛋白质的医学研究提供了新的途径。

基于图像技术与粒子滤波融合新算法的机器人多目标跟踪

机器人的目标跟踪技术是机器人定位导航技术中的重要一环。为了能够精确的跟踪机器人的位置和速度信息,文章提出了一种多方法融合的粒子滤波算法。该算法是采用图像颜色直方图结合高斯核函数挖掘特征数据,融合粒子滤波改进算法自动追踪机器人目标。此外,为了解决粒子滤波中样本贫化,即在粒子滤波计算中很大一部分粒子重叠到一个单独的点上的情况,需要重采样计算解决此问题,但在重采样过程中容易造成一些粒子丢失各向异性导致跟踪精度降低,甚至跟踪目标失败,结合标准粒子滤波提出了一种新型重采样约束方法。实验结果表明,基于颜色分布改善后的粒子滤波算法能有效的减少样本分化问题,并且可以高精度的识别出移动、急转和相遇的机器人目标。

基于改进KCF算法和多特征融合的车辆跟踪研究

针对目前车辆跟踪研究算法中,核相关滤波算法(KCF)在复杂背景下存在特征提取单一以及尺度无法自适应的不足,本文提出一种多特征融合的尺度自适应算法。该算法以颜色直方图信息作为颜色特征,将具有更多语义信息的高层卷积特征和拥有较高分辨率的底层卷积特征作为深度特征,并与颜色特征进行自适应特征融合。然后,采用上下文图像对目标背景信息进行约束优化,并通过平均峰值相关能量检测衡量响应置信度,最后利用高置信度的跟踪结果来避免模型易受干扰的问题。通过在OTB100数据集上的实验表明,本文算法的精度分别比其他的主流跟踪算法Staple、SAMF、KCF、TLD、DSST和CSK高出4.9%,5.7%,10.2%,10.3%,23.4%,29.7%。

复杂背景下的手势识别算法研究

为解决复杂背景下手势图像不能准确分割的问题,结合YCg Cr颜色空间上的聚簇特性,提出一种在RGB与YCg Cr双颜色空间下的肤色检测法。该方法有效地减少了背景中类肤色的干扰,完成了手部图像在复杂背景下的检测和分割;并采用HOG特征对手势图像进行表示,最后采用直方图相交核支持向量机进行手势识别。该方法在塞巴斯蒂安.马塞尔静态手姿数据库上进行了测试,对6种手势的平均识别率达到了93.33%。

多颜色直方图自适应组合Mean Shift跟踪

经典Mean Shift跟踪算法使用单一颜色直方图跟踪目标,导致其对目标外观的变化鲁棒性较差。为了解决该问题,提出一种多颜色直方图自适应组合Mean Shift跟踪算法。该算法利用多个视图的颜色核函数直方图的加权组合作为目标模型进行Mean Shift跟踪;为了适应目标外观的变化,利用目标区域对每一颜色直方图的概率图均值和方差的比值评价每一颜色直方图的可靠性,并自适应地计算其组合权值。实验结果表明,与现有Mean Shift跟踪算法相比,提出的跟踪算法对目标的外观变化具有更强的鲁棒性。