在严重遮挡环境下的GNSS位移监测系统应用研究

清远水利枢纽(干流枢纽)水工建筑物位移监测目前采用人工监测方式,尽管能够满足大坝安全监测的需求,但是检测频率和精度受限因素较多。伴随科技的持续进步,达成全自动监测将能更有力地保障水利枢纽的安全运行。本研究采用基于北斗技术的GNSS位移监测系统,主要解决建筑物遮挡问题,经验证,该系统基本满足水工建筑物位移监测的要求。

结合帧差法与Mean Shift的抗遮挡跟踪算法

针对目标严重遮挡后,运动状态发生改变时,传统的基于运动预测的算法无法有效跟踪的问题,提出一种基于帧差法的改进算法。引入巴氏系数(Bhattacharyya)作为目标是否发生遮挡的判据;当发生遮挡时,帧差法检测目标,再次检测到目标时将此位置作为Mean Shift迭代的起始位置;最后正常跟踪时采用卡尔曼滤波预测目标位置,减少迭代次数。实验结果表明,当目标在严重遮挡后,运动状态改变时,基于运动预测的算法将无法跟踪目标,改进算法能够重新跟踪目标。

基于遮挡检测的核相关滤波目标跟踪算法

针对核相关滤波目标跟踪算法在目标跟踪中存在严重遮挡的问题,本文提出了基于遮挡检测的核相关滤波目标跟踪算法。该算法首先在目标跟踪时利用峰值旁瓣比进行遮挡检测判断,然后当目标未遮挡时,继续使用核相关滤波模块进行跟踪,当有遮挡时,在目标出遮挡之后使用本文所提出的分类器进行目标再检测。为了验证本文的有效性,采用OTB-2013中21组遮挡数据集,并和OTB-2013中跟踪性能较好的跟踪算法进行对比,实验表明本文算法能有效的解决在目标跟踪中存在的严重遮挡的问题。

视频序列中面向行人的多目标跟踪算法

为实现视频序列中多行人目标跟踪,基于多信息融合方法,考虑多目标间严重遮挡,建立面向行人的多目标跟踪算法.提出多信息融合算法融合目标颜色和运动信息,结合均值漂移算法思想,实现常态下目标跟踪.针对多行人目标参与的遮挡,通过理论分析遮挡过程中目标面积变化,提出遮挡因子判别遮挡发生、辨识遮挡者和被遮挡对象、确认被遮挡对象重新出现等.实验结果表明,该方法能够正确跟踪行人目标,判断并处理多目标间的严重遮挡.

基于均值漂移算法和时空上下文算法的目标跟踪

在严重遮挡时,时空上下文STC(Spatio-Temporal Context)算法对目标位置的判断是正确的,而均值漂移MS(Mean Shift)算法对目标位置的判断会发生很大幅度的抖动,甚至跟踪错误目标。在遮挡结束后,时空上下文算法很难重新跟踪到正确目标,而均值漂移算法可以重新检测到跟踪目标。结合二者的优缺点,提出基于均值漂移算法和时空上下文算法的目标跟踪算法MSandSTC。该算法主要解决目标被严重遮挡的问题。在许多具有挑战性的数据集上的实验表明所提算法具有较好的实时性和鲁棒性。

利用感知模型的长期目标跟踪

目的传统相关滤波目标跟踪算法存在两个问题,其一,使用循环移位产生的虚假负样本训练分类器,导致分类器分类能力受到限制;其二,当目标被严重遮挡时,由遮挡引起的一些不正确的样本(预测的目标图像)用于更新分类器,随着遮挡时间的增加,分类器将包含较多噪声信息并逐渐失去判别力,使得跟踪失败。针对上述问题,提出一种基于感知模型的长期目标跟踪算法,通过引入背景感知策略解决传统相关滤波器缺乏真实负样本问题,通过引入遮挡感知策略来有效跟踪被遮挡的目标。方法首先,所提算法通过扩大采样区域,增加所产生训练样本数量,并引入裁剪矩阵,裁取移位后的样本以获得完整有效的样本,同时克服了由循环移位产生样本导致的边界效应问题;然后,利用无遮挡情况下一定帧数目标图像各自对应的分类器构建分类池;最后,在严重遮挡情况下利用最小化能量函数从分类池中选择最佳分类器进行重检测,以实现长期目标跟踪。结果使用公开数据集对所提算法进行性能评估,结果表明,所提算法成功率为0. 990,精确度为0. 988。其较背景感知相关滤波(BACF)算法分别提升2. 7%和2. 5%。结论所提算法在目标被遮挡、形变、尺度变化以及复杂背景下仍能较准确跟踪目标,具备较高的精确度和鲁棒性。