序列图像中彩色目标跟踪的加权颜色分布方法

提出一种基于加权颜色概率分布模型的彩色目标跟踪方法。对目标的颜色直方图进行改造形成目标的颜色概率分布图,同时考虑到了颜色模型的大小及其中像素点的位置对颜色分布的影响,再对颜色分布图进行加权处理成为加权颜色分布图,以此作为目标的颜色模型。与加权直方图相比,加权颜色分布图对区域特征描述更加合理。实验结果表明,本文方法与典型的mean-shift算法相比,提高了目标的定位精度的同时,降低了计算复杂度,而且在快速运动和被大比例遮挡的情况下对彩色目标的实时跟踪有良好的鲁棒性。

复杂情形下目标跟踪的自适应粒子滤波算法

该文提出一种自适应粒子滤波算法。首先建立目标的颜色模型,提出基于加权颜色分布图的目标颜色模型。采用该模型计算目标模板与粒子区域的相似程度,以此作为对目标物体定位的依据,使目标定位更加合理有效;进而在滤波过程中,针对粒子退化问题,提出基于mean-shift迭代的粒子重抽样方法,形成对抽样粒子集的自适应调节,提高了粒子质量,有效降低了粒子数量。最后,进行了对大机动快速运动的小目标和被严重遮挡目标的跟踪实验,结果表明该算法具有较强的鲁棒性。

基于自适应粒子滤波的红外目标跟踪

为有效解决非线性环境中的红外目标跟踪问题,提出一种自适应粒子滤波目标跟踪算法.建立了目标加权概率模型.在滤波过程中,提出双过程粒子重抽样方法,形成对抽样粒子集的自适应调节,有效地解决了粒子退化问题.用实际红外图像序列做了实验.结果表明,在非线性环境下用该方法得到的红外目标跟踪结果优于用传统粒子滤波和扩展卡尔曼滤波算法获得的结果.

基于MTCNN与改进Camshift相结合的人脸检测算法

为改善视频序列中MTCNN人脸检测算法较差的实时检测效果,提出一种基于Camshift的实时人脸检测跟踪算法。该算法通过加权直方图匹配方法增强人脸轮廓的辨识度,利用改进后的MTCNN人脸检测算法实现Camshift人脸跟踪搜索框位置和尺寸的初始化,通过限定人脸框的宽高比约束了人脸形态,最终解决了Camshift跟踪算法的相近色干扰问题,实现实时人脸跟踪检测。实验结果表明,在仅使用CPU的硬件环境下,MTCNN人脸检测算法的帧率小于3帧/s,将改进后Camshift跟踪算法与MTCNN人脸检测算法相结合后,帧率约为60帧/s,满足实时性要求,改进后的算法更加健壮和准确。