摄像机运动下的动态目标检测与跟踪

研究摄像机运动情况下的运动目标检测和跟踪问题,给出了一种基于块匹配的背景运动补偿差分方法.将此算法和对称差分法结合,给出了一种动摄像机的运动目标跟踪方法,以复杂场景下的人为跟踪目标进行了实验,取得了不错的跟踪效果.实验结果表明,该方法不仅消除了摄像机运动给目标检测造成的影响,而且检测提取的目标比较完整.该方法实现了对运动目标的大角度跟踪,在单摄像机的视频监控系统中有一定的实用价值.

摄像机控制下的双机器人协调跟踪复杂边缘的运动规划

提出了一种摄像机控制下的复杂边缘跟踪方法 ,该方法利用摄像机拍摄的二维图像去跟踪复杂边缘 ,避免了求解复杂边缘的空间表示。和插值方法相比较精度高 。

基于kinect摄像机的多运动目标实时跟踪

多运动目标跟踪是视频监控中的关键问题,在目标相互运动发生遮挡时,采用二维摄像头监控容易丢失信息而造成跟踪失败.本文采用kinect摄像机获取目标的RGB图像及深度图像,并分别获取基于RGB图像信息的目标颜色模型和基于深度信息的目标三维空间模型,在视频帧间将颜色、空间模型分别匹配得到目标帧间匹配度,通过Mahalanobis距离算法实现多目标匹配,从而得到多目标识别跟踪结果.实验表明,在RGB-D数据集及拍摄的视频序列上均取得了较好的跟踪结果,实现了kinect三维视觉下的实时多目标的跟踪.

基于摄像机运动控制的运动目标检测与跟踪算法

文章提出了一种基于摄像机运动控制的运动目标的检测与跟踪算法。该算法首先提出预设多幅参考背景图像差分方法检测运动目标区域;然后采用投影法快速确定运动目标体的位置及移动方向,进而控制摄像机转动预设角度跟踪移动目标。该方法实现了将运动目标跟踪置于画面的最佳观测位置,针对大多数摄像机位置固定的场所该方法较为适用,具有较大的广泛适用性。

基于摄像机运动控制的运动目标检测与跟踪算法研究

本文提出基于摄像机运动控制的运动目标的一种检测与跟踪算法。首先预设多幅参考背景图像差分方法检测运动目标区域,然后采用投影法快速确定运动目标体的位置及移动方向,来控制摄像机转动预设角度跟踪移动目标。该方法实现了将运动目标跟踪置于画面的最佳观测位置,针对大多数摄像机位置固定的场所,该法具有较大的广泛适用性。

基于多摄像机的人体步态跟踪方法

研究步态跟踪的关键技术,提出一种比较鲁棒的多摄像机自校正跟踪方法,该方法结合卡尔曼滤波预测技术、标记点轨迹平滑性和多视角几何关系对标记点的运动轨迹进行跟踪。将该方法应用于三维人体步态重构,并与商业系统Vicon做对比实验。实验表明,该方法可以获得较精确的步态数据,能够满足人体步态分析的需求。

基于人体主颜色特征的多摄像机目标连续跟踪

多摄像机视野之间的运动目标交接一直是广域视频监控系统中的难点。根据人体模型的基本理论,提出了一种基于人体模型分割和主颜色识别的目标连续跟踪算法。该方法无需进行复杂的特征(如SIFT特征)提取,而以目标质心距离结合目标主颜色距离作为判断特征,实现多摄像机目标交接。实验结果表明,该方法能有效准确识别公共区域内的运动目标,并显著减小了运算的复杂度。

运动摄像机下多目标检测与跟踪

针对摄像机运动情况下多目标的检测与跟踪问题,提出一种将Global K均值与模板匹配相结合的方法。利用六参数仿射模型得到摄像机运动参数,对图像进行全局运动补偿,用Global K均值算法对前景点进行循环聚类,判断目标数目并进行跟踪,通过对目标区域进行模板匹配使跟踪结果更准确。实验结果表明,该方法能够在运动摄像机下稳定、实时地跟踪多个目标,对发生形变的目标基本也能稳定跟踪。

基于场景模型的多摄像机目标跟踪算法

在多个相机组成的视频监视系统中,当目标物移出某一相机的视野而进入下一个时,如何实现相机的交接,实现目标物的继续跟踪是监视系统中要解决的关键问题。针对该问题,提出了一种基于位置比较的多摄像机运动目标跟踪方法。为获得目标物的位置,建立多个相机与目标物世界坐标之间映射关系的场景模型,并根据目标物出现在不同相机之间的视野边界线上的瞬间时刻的位置来给出重叠视野的边界线。由此可对任意角度摆放的多个具有重叠视野的相机之间运行的目标物进行接力跟踪。该方法可以适应多个目标物同时进入场景的情况,实验结果表明,该方法具有较高的鲁棒性,能够满足视频跟踪的实时性要求。

面向移动单摄像机的多目标跟踪算法

针对移动单摄像机采集的视频序列中的运动多目标,重点研究了基于目标间的相对运动信息和数据关联策略的在线多目标自动跟踪器。利用目标间相对运动模型实现目标轨迹的恢复,减少目标轨迹碎片。运用事件匹配算法改进当前帧的检测响应与过去轨迹的分配,并降低跟踪过程中的目标身份转换次数。实验结果表明:该改进算法较原算法能够对序列中目标跟踪定位得更加精确,减少了轨迹碎片和身份转换次数,在TUD-Campus序列上达到了与国际前沿多目标跟踪算法相当的效果。

基于视频的三维人体运动跟踪

提出一种结合多种图像特征,在多摄像机环境下跟踪人体运动的方法.通过定义人体模型、摄像机投影模型以及相似性度量模型来得到优化框架下的目标函数,并使用牛顿-高斯优化算法对其进行求解.模拟数据和实际数据的实验表明,文中方法比仅仅使用灰度特征,跟踪结果得到了改善,对比实验结果也优于基于概率算法的退火粒子滤波.

鲁棒的PTZ摄像机目标跟踪算法

提出基于可旋转、变焦(PTZ)摄像机的目标实时智能跟踪算法.通过检测图像序列的方差,根据噪声和运动干扰的历史数据,建立相应的空间分布模型,实现有选择性的﹑高灵敏度的运动检测和云台控制.根据噪声的分布情况调整判决阈值,为不同区域赋予不同的检测灵敏度,提高了系统的噪声容限.自适应地调整方差的序列长度,实现系统灵敏度的大范围调整,以适应噪声、光照的快速变化和不同数量级别的运动幅度.推导长序列方差的快速算法,给出系统实时工作的例子.实验结果表明,算法工作可靠,响应迅速.

索尼发布AI智能构图旗舰PTZ摄像机BRC-AM7

4月11日,索尼发布AI智能构图旗舰PTZ摄像机——BRC-AM7。这款PTZ摄像机搭载了新一代AI智能构图功能,采用内置的AI分析模块进行主体识别,根据人体姿态、头部、面部、服装等详细信息自动跟踪拍摄对象。直观的操作界面和远程控制功能有助于提高制作和现场拍摄的效率。

适用于单目视频的无标记三维人体运动跟踪

在无标记人体运动跟踪过程中,由于被跟踪目标缺乏明显的特征以及背景复杂而使得跟踪到的人体运动姿态与真实值偏差较大,不能进行长序列视频跟踪.针对这一现象,提出一种基于形变外观模板匹配进行单目视频的三维人体运动跟踪算法,其中所用的人体外观模型由三维人体骨骼模型及二维纸板模型组成.首先根据人体骨骼比例约束采用逆运动学计算出关节旋转欧拉角;然后利用正向运动学求得纸板模型中像素在三维空间中的坐标,将这些像素根据摄像机成像模型投影到二维图像中得到形变外观模板;最后采用直方图匹配得到人体运动跟踪结果.实验结果表明,该算法对于一些复杂的长序列人体运动能够得到较为理想的跟踪结果,可应用于人机交互和动画制作等领域.

单目视频中无标记的人体运动跟踪

提出一种人体运动跟踪算法,从无关节标记的单目视频中获取人体运动.利用一个带外观模板的人体关节模型,通过学习得到的运动模型及基于外观模型的相似性计算,巧妙地利用粒子滤波的概率密度传播策略鲁棒地跟踪普通单目视频中的人体运动.当出现跟踪丢失时,能在后续序列中自动恢复正确跟踪,且能较好地处理遮挡和自遮挡问题.实验表明,该算法鲁棒性好,跟踪结果令人满意.

一种基于传感器的人体上肢运动实时跟踪方法

实时跟踪人体运动是人机交互的重要研究课题 ,可以广泛应用于虚拟现实、虚拟人运动合成、聋人手语自动生成、计算机 3D动画、机器人运动控制、远程人机交互等领域 .文中介绍了一种基于传感器的人体上肢运动实时跟踪方法 ,给出了该方法的虚拟人模型、计算原理与校正方法 ,最后介绍了整个方法的实现以及在中国聋人手语自动合成中的应用 .该方法具有使用传感器少、运动跟踪精度高。

基于量子遗传和无迹粒子滤波的人体运动跟踪

提出一种人体运动跟踪算法,用于解决多关节人体运动跟踪问题。由于无迹粒子滤波存在样本贫化现象,因而对目标运动估计产生影响,尤其估计模型为复杂的马尔可夫链的时域问题的影响尤为严重。通过分析产生该现象的原因,在无迹粒子滤波中引入量子遗传算法:一方面,增加样本集的多样性而缓解样本贫化现象的影响;另一方面,改善其估计、跟踪能力并有效缩短了计算时间。实验结果表明,所提出算法很好地减轻了样本贫化现象对无迹粒子滤波的影响,并提高了多关节人体运动跟踪的准确性,跟踪结果令人满意。

基于视频的三维人体运动跟踪系统的设计与实现

在优化粒子滤波跟踪框架下,设计并实现了一个结合多种图像特征、在多摄像机环境下跟踪人体运动的三维人体运动跟踪系统.通过定义三维人体模型、摄像机模型以及观测似然模型,得到跟踪所需目标函数,并使用优化粒子滤波算法进行求解.实验结果表明,该系统能够对人体运动进行准确的跟踪和三维重建,可应用于体育运动分析和动画制作等领域.

室内人体运动目标的自动跟踪方法

针对人体运动目标的自动实时跟踪,设计一种新的基于P89v51内核的运动摄像头云台控制系统。对人体运动的图像检测与跟踪,提出一种快速的模板匹配方法。用改进Surendra算法自适应地获取背景图像以提取匹配模板,通过摄像头运动前后帧相同的运动区域来缩小匹配区域,进行快速目标匹配,达到实时性要求。该系统已应用在视频教学及会议中,实现自动人体运动目标跟踪与摄像。

会议新宠自动跟踪摄像机

会议市场的广阔发展空间,令更多的会议制造商使尽浑身解数,不断开发新一代的智能设备。