考虑遮挡因素的视频人体运动目标自适应跟踪

针对视频人体运动目标跟踪过程中遮挡导致跟踪能力下降的问题,提出考虑遮挡因素的视频人体运动目标自适应跟踪算法。采用区域生长和视觉阈值效应相结合算法粗检测目标,以粗检测结果为基础通过Kalman滤波器和Meanshift跟踪算法跟踪视频人体运动目标。在目标尺度改变、旋转以及光线变化等情况导致跟踪效果不佳时引入SIFT(Scale Invariant Feature Transform)算法提高跟踪能力,实现抗遮挡的视频人体运动目标自适应跟踪。实验结果表明,该方法的跟踪精确度较高,在遮挡程度为0.5时,跟踪成功率仍可以达到75%左右,且平均跟踪帧率为28.9 frame/s,实时性较强。

花样游泳视频人体运动目标追踪算法的研究与实现

针对花样游泳的视频人体运动目标追踪算法进行研究与实现，主要介绍如何运用一种改进的人体肤色识别算法，同时结合抗干扰算法的方式，实现追踪视频序列中运动员位置的目的．通过改进和完善，可以运用该算法开发其他体育运动项目的相关软件．

人体运动目标的检测与跟踪

提出了一种静止背景的情况下人体运动目标的检测与跟踪的新方法。该方法利用背景差分法与粒子滤波器算法相结合。首先,利用背景差分法可检测运算出人体运动区域的大小和形心,在一定的时间间隔t(t<<1s)后,再次利用背景差分法经运算可得到人体运动的速度,然后运用粒子滤波器算法利用背景差分所获得的人体运动区域的大小、形心、速度三个参数建立跟踪模型。实验结果证明,该方法对人体目标跟踪是快速且有效的,并且有很好的鲁棒性。

基于图像跟踪的人体运动目标点优化定位方法研究

为了提高人体运动目标点优化定位检测能力,提出基于图像跟踪的人体运动目标点优化定位方法.构建人体运动目标图像的三维表面信息重组模型,采用边缘轮廓检测方法进行人体运动目标点跟踪识别,提取人体运动目标点的灰度特征量;采用多维像素重构方法进行人体运动目标图像的信息融合和运动特征点标定,分析人体运动目标点的差异性特征量;采用自适应图像跟踪识别方法进行人体运动目标点优化定位,结合角点检测方法对人体运动目标点优化定位结果进行自适应学习和寻优控制,实现人体运动目标点优化定位优化.仿真结果表明,人体运动目标点优化定位的图像偏移量最高仅有30mm,减小了误差偏移,提高了人体运动目标点定位的精度.

一种基于人体运动目标跟踪的RJMCMC算法

提出了一种基于粒子RJMCMC算法的人体运动跟踪仿真算法,首先利用Simulink仿真将人体运动过程中各个关节点逐一收集起来,建立运动特征值矩阵,然后利用粒子RJMCMC算法来实现对矩阵每个关节点的跟踪,通过将RJMCMC算法与粒子滤波算法中重采样过程的融合,更加合理地对权值分布进行优化,从而降低权值的锐度,提高粒子样本的多样性。

自适应模板更新的人体目标跟踪算法

针对人体目标所具有非刚性、非对称性、多态性的特点,提出了自适应模板更新的人体目标跟踪算法。基于Kalman滤波器,根据人体形态变化自适应调整目标像素的权值,从而获得更柔性、更合理的模板。将该方法与mean shift跟踪算法相结合应用于人体目标跟踪,通过实验证明具有很好的鲁棒性和稳定性。

一种自适应权值更新的mean shift跟踪算法

传统的mean shift跟踪算法根据像素与模板中心的距离为像素设置权值,进而增强算法的鲁棒性。但是在跟踪非刚性或非对称目标的过程中,上述权值设置方法明显不合理。提出了一种自适应核函数的mean shift跟踪算法,它为模板中的每个像素赋予一个卡尔曼滤波器,在目标跟踪过程中根据目标形态变化对像素权值进行修正,从而获得一个更柔性、更合理的模板。将该方法用于人体运动目标的跟踪,基于监控录像中的人体运动目标跟踪实验表明,与现有方法相比,该方法具有很好的鲁棒性及稳定性。