基于核相关滤波器算法的无人机目标识别研究

应用核相关滤波器算法,可以实现自主目标追踪的工程应用。由此,基于核相关滤波器算法,对无人机目标识别进行研究。将二次开发的核相关滤波器算法搭载至机载计算机上,通过机器人操作系统实现机载计算机与飞行控制的通信。进行了系统硬件设计、总体程序设计和机器人操作系统节点程序设计,并进行了识别追踪测试与数据分析。通过测试确认,应用核相关滤波器算法后,无人机可以快速识别和追踪目标,具有较高的实时性和鲁棒性,并且可以有效抵御目标遮挡和损失。

采用异常值检测及重定位改进的KCF跟踪算法

针对传统核相关滤波器(KCF)跟踪算法受光照变化、严重遮挡和出视野等因素影响,出现目标丢失现象时,跟踪器会将背景信息作为目标继续进行跟踪而不能重新定位目标的问题,在KCF的基础上,引入异常值检测方法作为目标丢失预警机制,同时,提出了目标丢失重检测定位机制。方法对每帧的峰值进行检测,发现异常峰值,则判定目标丢失或即将丢失,预警机制发出警告,停止目标模板更新,启动目标丢失重检测定位机制,在全帧搜索定位目标。实验结果表明,改进的算法精确度为0.751,成功率为0.579,较之传统KCF跟踪算法分别提高了5.77%和12.43%。解决KCF跟踪器在目标丢失后不能重新找回目标继续跟踪的问题,提升了跟踪算法的性能,实现了长期跟踪。

基于云台摄像机的快速移动人群的检测与跟踪

为了实现校园的安全监控,提出了基于云台摄像机的快速移动人群的检测与跟踪算法。介绍了云台摄像机用于校园安全监控的基本构成。为了更好地实现云台摄像头对于移动人群的检测与跟踪,建立了基于现实的精确摄像机模型,提出了摄像机自旋转角度约束的摄像机模型。通过最新的核相关滤波器跟踪算法(KCF)实现对运动着的人群检测与跟踪。运用Matlab仿真实验比较该方法和卡尔曼滤波跟踪算法,选择最优方法和相关滤波器跟踪算法来实现检测与跟踪要求。结果表明:相比较于传统的卡尔曼滤波跟踪算法,KFC算法的跟踪精度优于传统方法,精度多数情况下能达到90%以上,高于卡尔曼滤波跟踪算法的60%,检测与跟踪效果达到要求。

激光焊接头焊缝自动检测及跟踪研究

将激光焊接头与CCD视频跟踪模块集成在一起,提出一种采用一字线激光进行自动化焊缝检测的方法。该方法利用激光三角测量法,得到焊缝的高度、宽度等形状信息。在图像处理方面,对所获得的焊缝区域图像进行中值滤波和二值化处理,获得焊缝特征点二维坐标,实现目标定位,并计算其在世界坐标系下的三维坐标。在跟踪算法方面,采用精度高、速度快的核相关滤波器目标跟踪算法,分别对常见的直线型和曲线型焊缝位置进行跟踪。实验所得数据拟合曲线与焊缝形态误差在5%以内,吻合度较高,实时跟踪效果良好。