一种多视角跟踪系统中的自行标定方法

多视角的标定和自标定是多视角系统部署和应用中的重要限制环节。文章针对基于单应关系的多视角跟踪应用场景,提出了一种使用跟踪结果本身进行视角几何关系标定的方法,避免了预先标定环节,可以配合现有的各种跟踪算法。理论分析和仿真实验表明,此方法具有高效率、高可靠性、易于实施的特点。

分布式多视角目标跟踪算法在OMAP3平台上的实现与优化

本设计在最新的TIOMAP3平台上实现分布式多视角目标跟踪算法。系统由多个摄像头及相应的处理部分组成,各个摄像头分别独立地采集图像数据并进行跟踪。本设计构造了分布式目标跟踪软件框架和网络传输协议,在各摄像头的跟踪算法中采用了最大似然估计、序列蒙特卡洛方法以及基于卡尔曼外观滤波的模版更新匹配等最新算法,同时对各摄像头算法进行优化以保证实时性。

基于贝叶斯理论的分布式多视角目标跟踪算法

为了有效解决传统单视角跟踪难于处理的目标遮挡问题,本文提出了一种分布式多视角目标跟踪算法.该算法首先基于贝叶斯理论,为多视角目标跟踪问题建立了分布式数据融合的概率框架;并利用粒子滤波器对所需后验概率进行近似,提出了自适应的观测模型和状态转移模型.各摄像机能够并行化地进行数据采集、处理、融合,而无需集中式处理单元;能够有效避免遮挡造成的误差传递,提高跟踪算法的鲁棒性.实验证明了本文算法的有效性.

基于最大似然的分布式多视角目标跟踪算法

针对多摄像机视频跟踪的应用场景,提出了一种具有分布式计算特点的目标跟踪算法。该算法首先利用最大似然准则对多视角目标跟踪问题进行建模,并对似然函数进行分解,最后借助消息传递机制高效求解出跟踪目标在各个摄像机视野中位置的估计值,而不再需要将图像数据传输到中央处理单元进行集中式处理。同时,通过融合多个视角的图像信息,有效地抑制了遮挡现象给跟踪结果造成的影响。定性和定量实验均证明了该算法的有效性。

基于粒子滤波多视角变尺度视频人脸的实时跟踪

提出了一种新的可在复杂环境下,人脸方向、姿态、尺度都有很大变化时,仍能够稳健跟踪的视频跟踪人脸的算法框架。该算法框架很好地结合了人脸检测器和粒子滤波的优点,利用人脸基本模型和特定模型,建立多视角人脸跟踪器,并使用实时跟踪结果,不断对多视角人脸模型进行在线学习,很好地克服了在传统视频跟踪过程中,由于人脸的旋转、尺度变化所造成的漂移甚至失败。实验结果表明,该算法对人脸的旋转、尺度变化、环境影响不敏感,具有很强的鲁棒性和精确性。

基于贝叶斯推理时空交互式多视角目标跟踪

本文针对多摄像机视频跟踪的应用场景,在贝叶斯推理的框架下,提出了一种具有分布式时空交互计算特点的目标跟踪算法。本文首先利用贝叶斯网络对拓扑确定的多摄像机系统进行建模,并对待估状态(目标位置)高阶联合后验概率密度函数进行时空的递推,最后借助序列蒙特卡洛(粒子滤波)逼近后验概率密度函数,并采用高效的数据传送机制高效求解出跟踪目标在各个摄像机视野中状态估计值。通过序贯蒙特卡洛粒子滤波融合时空的目标灰度及位置信息,有效地抑制了部分摄像机内遮挡现象给跟踪造成的影响。定性和定量实验均证明了该算法的鲁棒性和高效性。

基于特征子空间的自适应多视角目标跟踪算法

提出了一种新的自适应特征子空间跟踪算法,该算法通过计算跟踪目标的似然来自适应调整模型更新的权重,以减小更新过程中样本误差积累导致的模型漂移。同时,跟踪算法利用多视角贝叶斯理论框架进行多视角的信息融合,并对跟踪模型进行分块处理和更新,以提高跟踪精确度。仿真结果表明,本算法比对比算法的跟踪误差更小,并能够更好地解决目标遮挡和形变等问题,从而得到精确、高效的跟踪结果。

智能视频监控系统中多视角目标跟踪研究与FPGA实现

为了提高智能视频监控(IVS)系统中运动目标跟踪的可靠性和实时性,提出一种分布式架构的高清多视角IVS系统。首先,前端FPGA模块与高清IP摄像机相连,用于收集视频并进行初级视频处理;然后,FPGA通过网络与后端GPU服务器相连,GPU服务器执行高级视频处理;最终实现目标在多摄像机间的连续跟踪。实验结果表明该系统运行稳定,能够在多视角下快速、准确地跟踪目标。

一种新的多视角人脸跟踪算法

为了对复杂场景中的多视角旋转人脸进行精确跟踪,提出了一种基于子空间特征模型的多视角人脸跟踪算法.该算法根据不同的人脸姿态建立多个离线人脸模型并自动进行在线学习,同时,针对人脸跟踪提出了新的自适应粒子滤波框架,确定人脸状态.实验结果表明,该算法能够准确跟踪多视角变尺度人脸,并实时分辨人脸姿态,对人脸的旋转、尺度变化以及环境影响不敏感,具有很强的鲁棒性和精确性.