面向飞行器平台的图像目标追踪算法

以求解主动轮廓为目标观测手段,给出了基于卡尔曼滤波方法的可以追踪目标位置和目标在图像平面内面积的基础追踪算法。利用特征点匹配信息,解决了目标状态在图像平面内的急剧非线性变化导致基础追踪算法失败的问题。给出了结合特征点匹配与目标颜色统计直方图反向投影匹配2种方法的处理目标被遮挡情况的算法。通过实验验证,该算法在实验场景中,可以实现对目标位置和大小的追踪,可以成功地适应目标被遮挡的情况。

拓展模板的视频跟踪技术

在视觉目标跟踪(video tracking)过程中,当跟踪图像存在背景杂波、图像噪声(如图像遮挡、图像快速移动)时,算法往往不能取得很好的图像追踪效果.为解决该问题,在经典L1-tracker追踪算法的基础上,针对目标遮挡、目标消失等严重影响跟踪效果的情况进行研究,提出加入拓展模板(固定模板和近况模板)的策略来提高跟踪精度和抗遮挡能力.固定模板保持追踪目标最初的图像特征,防止错误的追踪结果在模板更新时引入错误的特征,进而导致识别目标偏移.近况模板记录目标的最新跟踪结果,避免由于点模板的大量使用而造成遮挡的误识别.通过对多个标准数据集的实验测试,证明加入新策略的L1-tracker算法,在不破坏原有L1-tracker优势的基础上,显著地提升了L1-tracker算法应对遮挡问题的能力.