一种改进的实时压缩跟踪算法

压缩跟踪算法作为一种新的算法,具有简单、高效、实时的优点,但该算法依然存在缺陷。首先,在复杂背景或有遮挡等情况下,容易较快的引进误差;其次,跟踪窗口保持不变,使得不能正确跟踪目标位置且不能准确更新正负样本;最后,搜索样本数目大,导致跟踪速度不理想。针对这些问题,利用前后帧跟踪点的直方图对比来判断遮挡的发生,并自适应的改变更新系数;采用在原算法最优匹配点周围小范围多尺度搜索更优位置的方法,来适应目标尺寸的变化;引入粗精跟踪策略,在不同阶段使用不同数量的子特征集进行匹配,以筛选样本、减少计算量。这些改进避免了算法缺陷导致的跟踪失败,提高了跟踪效率。实验证明,改进后的算法比原算法具有更好的鲁棒性且跟踪速度更快。

一种基于卡尔曼滤波的压缩跟踪算法研究

根据道路交通监控视频的特点,采用压缩跟踪(CT)算法进行运动车辆的检测与跟踪。在摄像头变化较大、运动车辆尺度变化和背景变化等情况下,CT算法均具有很强的鲁棒性。但是当车辆被遮挡时,跟踪算法容易失效。为了解决这一问题,提出使用卡尔曼滤波对遮挡的车辆进行轨迹预测。卡尔曼滤波能根据CT算法跟踪目标的轨迹,有效地预测目标遮挡时的轨迹。实验结果表明,本算法不但可以较好地处理跟踪车辆尺寸变化的问题,在车辆丢失或被部分遮挡时,能准确而稳定地跟踪车辆,而且具有很好的实时性,满足了工程应用的需求。

基于序列图像的固定翼无人机着陆跑道识别技术与跟踪算法验证

提出了一种基于序列图像的固定翼无人机着陆跑道识别技术,并重点从图像预处理、图像边缘检测、跑道特征直线提取与跑道识别、相对位置估算等方面,概述了无人机动态飞行中识别跑道的基本流程和关键技术;随后用一台SZD-45型固定翼无人机进行了飞行实验,对跑道识别与跟踪算法进行了验证。实验结果表明,实时压缩跟踪算法能够较为准确地获取目标坐标信息与相对航向角,在准确地识别跑道边缘的基础上估算无人机与跑道中线的相对位置,实现了无人机安全着陆。

基于图像传感器的上下文快速压缩感知算法

针对快速压缩感知算法在目标被遮挡、光照变化较大时存在跟踪不稳定的问题,提出了基于图像传感器的上下文快速压缩感知跟踪(FCT)算法。新算法首先在Haar-like特征中引入时空上下文特征,通过目标周围的空间信息和时间上的递推关系协助估计目标的位置。通过改进的随机测量矩阵同时提取目标的纹理特征和灰度特征,加强了特征的稳定性,提高跟踪的准确性。通过方差分类器预判定候选样本,减少判定的次数,并减少错误的候选样本。改进的FCT算法对光照、旋转、尺度缩放都有良好的不变性,且不易发生跟踪漂移。实验证明:改进的FCT算法优于压缩感知跟踪(CT)算法和FCT算法。

一种复杂背景下红外目标稳定跟踪算法

针对红外单目标在长期跟踪过程中的强背景干扰、遮挡、形变以及目标特征信息减弱等实际问题,提出了一种基于跟踪-学习-检测(Tracking-Learning-Detection,TLD)框架的红外目标稳定跟踪方法。该方法在压缩跟踪算法(Compressive Tracking,CT)的基础上替换广义的类Harr特征为HOG特征,引入互补随机测量矩阵,优化纹理和灰度特征信息的权重,同时引入卡尔曼滤波器记录空间上下文位置信息,以解决CT算法和TLD算法在目标被遮挡时的跟踪失效和全局检索问题。基于TLD算法框架和改进CT算法相结合的红外图像跟踪算法有效地解决了遮挡和强干扰问题,提升了算法的跟踪准确性和长期跟踪稳定性。实验结果表明,本文提出的算法在红外地面环境中能较好地实时稳定跟踪并保持良好的准确性和鲁棒性。

动态视频序列下的坦克车体姿态识别

敌方坦克的姿态信息是装甲分队武器目标分配的重要依据,但目前坦克火控系统中并没有姿态识别的模块,为此提出一种基于压缩跟踪和级联分类器的动态视频序列下坦克车体姿态识别方法;将压缩跟踪算法的输出作为级联分类器的输入,缩小姿态识别的范围并减小分类器对不同环境中负样本的依赖;通过实验测试,将坦克车体姿态分为12组,训练了12个分类器,并在训练中引入了车体的轮廓信息;将多个级联分类器串联工作,识别坦克车体的不同姿态;对比了检测不同姿态的分类器识别效果,结果表明级联分类器能以一定的精度对在真实环境中的坦克姿态进行识别。

基于信号子空间的半盲多用户检测

将线性共轭的思想引入到基于子空间的半盲多用户检测,设计了基于子空间方法的线性共轭半盲多用户检测器,有效地改善了系统的输出信干比和误码率性能。PASTd算法由于复杂度低而被广泛的应用于多用户检测,然而,PASTd算法跟踪到的信号子空间不正交,从而导致收敛速度极慢。针对这一问题,对PASTd算法进行了改进,提出一种修正的PASTd算法,并将其应用于线性共轭半盲多用户检测器,从而有效的提高了收敛速度,降低了计算复杂度。仿真实验验证了该算法的有效性和可行性。

Fast and Simple Motion Tracking Unit with Motion Estimation

Smweillance system using active tracking camera has no distance limitation of surveillance range compared to supersonic or sound sensors. However, complex motion tracking algorithm requires huge amount of computation, and it often requires exfmasive DSPs or embedded processors. This paper proposes a novel motion tracking trait based on different image for fast and simple motion tracking. It uses configuration factor to avoid noise and inaccuracy. It reduces the required computation significantly, so as to be implemented on Field Programmable Gate Array（FFGAs ） instead of expensive Digital Signal Processing（DSPs）. It also performs calculation for motion estimation in video compression, so it can be easily combined with surveil system with video recording functionality based on video compression. The proposed motion tracking system implemented on Xilinx Vertex-4 FPGA can process 48 frames per second, and operating frequency of motion tracking trait is 100 MHz.