基于特征点的多运动目标跟踪

该文针对智能监控的需求,提出基于特征的多运动目标跟踪算法。通过自适应Marr小波核函数背景建模算法,在冗余离散小波域进行多运动目标识别。运动跟踪采用SIFT特征粒子滤波算法,并采用队列链表法记录多运动目标之间的数据关联,在提高识别准确率的同时降低了运算的复杂度。实际测试表明,该算法对于多运动目标识别跟踪具有更优越的实时性和抗遮挡性,在智能监控领域具有较广泛的应用前景。

基于交通视频序列的多运动目标跟踪算法

针对智能交通领域对自适应多运动目标跟踪的广泛需求,提出一种新型的基于交通视频序列的多目标跟踪算法。通过Marr小波概率核函数生成静态背景,并结合当前帧在B/RDWT(Binary/redundant discrete wavelet transforms)域进行多运动目标识别,同时采用边缘阴影剔除算法去除阴影的干扰。运动跟踪采用SI_P(SIFT-particle)粒子滤波算法,并结合改进的均值漂移(mean-shift)法获得运动目标的准确跟踪窗口。采用队列链表法记录多运动目标之间的数据关联,在提高识别准确率的同时降低运算的复杂度。算法采用VC++6.0实现,通过实际道路测试,研究结果表明:SI_P粒子滤波算法与传统算法相比,平均时耗只多0.15s,跟踪窗口尺度可自适应变化,并且该算法对于多运动目标识别跟踪具有更优越的实时性和抗遮挡性。

基于DWT和Kalman滤波的多运动目标跟踪

为解决复杂道路交通场景中的误检问题,提高跟踪效率,提出了一种基于离散小波变换(DWT)和卡尔曼(Kalman)滤波的多运动目标跟踪算法。本文利用DWT对背景和序列图像进行三层分解,仅将低频子图进行背景差分提取了运动目标。在跟踪阶段,建立区域-目标模型,以检测信息作为观测值并利用Kalman滤波进行位置预测;通过匹配预测值和观测值,建立包含稳定目标、丢失目标和新出现目标的三层目标链,并对稳定目标进行Kalman最优估计。采用在线计算获取各运动目标的初始位置和速度,使预测值一开始就接近观测值。通过对实际视频序列进行检测跟踪实验和对比,分析了算法性能。实验结果表明,本文方法具有较高的抗噪声能力、跟踪实时性和准确性。

OPTICS聚类与目标区域概率模型的多运动目标跟踪

目的针对多运动目标在移动背景情况下跟踪性能下降和准确度不高的问题,本文提出了一种基于OPTICS聚类与目标区域概率模型的方法。方法首先引入了Harris-Sift特征点检测,完成相邻帧特征点匹配,提高了特征点跟踪精度和鲁棒性;再根据各运动目标与背景运动向量不同这一点,引入了改进后的OPTICS加注算法,在构建的光流图上聚类,从而准确的分离出背景,得到各运动目标的估计区域;对每个运动目标建立一个独立的目标区域概率模型(OPM),随着检测帧数的迭代更新,以得到运动目标的准确区域。结果多运动目标在移动背景情况下跟踪性能下降和准确度不高的问题通过本文方法得到了很好地解决,Harris-Sift特征点提取、匹配时间仅为Sift特征的17%。在室外复杂环境下,本文方法的平均准确率比传统背景补偿方法高出14%,本文方法能从移动背景中准确分离出运动目标。结论实验结果表明,该算法能满足实时要求,能够准确分离出运动目标区域和背景区域,且对相机运动、旋转,场景亮度变化等影响因素具有较强的鲁棒性。

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.

基于三维分层图模型的复杂情况下多运动目标跟踪

复杂情况下的多运动目标跟踪是视频监控中的关键问题,在多目标运动中相互遮挡时二维视觉信息容易丢失而造成无法准确跟踪识别目标。本文采用kinect摄像机获取三维视觉信息,从节点、边、空间结构三个层次上建立目标的三维分层图模型表征目标的三维特征,并在每层进行通过视频帧间的匹配从而获得三维分层图模型匹配结果,并根据匹配结果先初步分析目标跟踪情况,如发生遮挡则通过遮挡区域聚类块与三维分层图模型中各特征匹配确定其匹配结果,从而得到多运动目标在复杂运动情况中的跟踪结果。实验表明,在实验室kinect拍摄的视频序列上当目标出现遮挡等复杂情况,也能取得较好的跟踪结果,在实验视频中比经典方法的跟踪总体性能指标改善约3%,说明本方法能较好地实现复杂情况下的多运动目标跟踪。

复杂监控背景下多运动目标的检测与跟踪

在目标跟踪系监测系统中,视频的处理主要由摄像机视频捕获、视频图像帧的预处理、运动中目标的监测、运动目标的跟踪、运动目标的分类和目标行为描述与理解等步骤。其中,运动目标检测与跟踪是视频处理系统中的核心内容。主要对运动目标在复杂环境下检测与跟踪技术进行研究。