融合运动模型与联合置信度量的改进核相关跟踪算法

红外制导技术是武器制导领域研究的热点和主要方向。针对探测跟踪过程中核相关跟踪算法(Kernelized Correlation Filter,KCF)对快速运动和严重遮挡目标的跟踪精度下降问题,提出一种融合卡尔曼滤波和运动模型的改进核相关目标跟踪算法。该算法首先利用运动模型对目标的位置进行初始估计,提出一种自适应搜索区域选择的方法。针对测试样本的置信度响应图呈现多峰平坦的情况,本文提出了一种用于目标相似度量的组合置信度测量策略,采用相关峰的锐度和置信图的平滑度约束来进一步计算疑似区域的置信度,提升算法的抗干扰能力;同时,本文也提出了一种基于最优置信度的自适应参数更新,增强模型的泛化能力。大量的仿真实验结果表明本文所提的算法的跟踪性能超过传统的核相关跟踪算法,对复杂的跟踪场景具有更强的鲁棒性与抗干扰能力。

一种鲁棒的基于集成学习的核相关红外目标跟踪算法

在红外目标跟踪中,由于目标所处的背景信息复杂多变和目标外观的显著变化,单一的分类器不足以拟合多模态的数据。该文结合核相关滤波器(KCF)将多个核相关分类器通过集成学习整合到一个框架中。利用KCF分类器具有解析解的特点平衡跟踪鲁棒性与实时性之间的矛盾,从而解决单个分类器无法处理复杂背景与显著的外观变化问题,并显著提升目标跟踪的性能与稳定性。为了验证算法的有效性,该文利用两个核相关跟踪器联合学习出1个强分类器。大量的定性定量实验表明所提的算法的跟踪性能超过传统的KCF算法,且跟踪速度也超过大多数比较算法。

基于色度饱和度-角度梯度直方图特征的尺度自适应核相关滤波跟踪

针对核相关跟踪算法(KCF)对特征敏感及无法跟踪尺度的问题,本文从特征提取和尺度自适应两个方面对核相关滤波跟踪算法进行了研究。提出了一种基于色度饱和度-角度梯度直方图特征的自适应核相关跟踪算法来改善KCF算法的跟踪性能。首先,研究了HSI颜色空间的特点,基于颜色和梯度是互补的图像特征,提出了一种融合了梯度和颜色的HHS-OG特征来有效提高原始KCF算法对目标和背景的判别力。其次,针对KCF无法处理目标尺度变化的问题,在跟踪的检测阶段采用一组固定的尺度因子进行图像块采样,根据得到的滤波响应图估计目标的最优位置和尺度。将所提算法在大量视频序列上进行了跟踪实验,结果显示其平均跟踪速度为37.5frame/s,跟踪精度和成功率分别提升了5.4%和10.1%。实验表明HHS-OG特征具有良好的目标-背景判别能力,能够实现鲁棒跟踪,而尺度自适应策略能较大程度地提高跟踪精度。

基于核相关滤波算法的青鳉游泳跟踪研究

为获取鱼类游泳行为数据,采用增强的核相关滤波跟踪算法,对青鳉Oryzias latipes游泳轨迹进行跟踪研究,根据当前和之前帧信息训练出多核相关滤波器,然后与新输入帧进行相关性计算,得到的响应值就是预测的跟踪结果,响应值最大处即为跟踪目标位置,用该方法提取出3万帧图像中青鳉游泳位置,绘制青鳉游泳轨迹热力图,并分析不同规格青鳉的游泳领地。结果表明:增强的核相关滤波跟踪算法能够实时稳定地跟踪青鳉游泳行为,提取的青鳉游泳轨迹与实时记录轨迹高度吻合;试验过程中测试2万帧视频序列,806帧丢失,丢失率4.03%。本研究实现了对青鳉游泳位置定位跟踪,及时显示青鳉的游泳位置、速度和轨迹,对研究青鳉在特定环境下的生活习性提供了数据支持。

基于金字塔特征的核相关滤波跟踪算法

针对核相关滤波跟踪算法(Kernelized Correlation Filter tracking,KCF)对特征表达敏感的问题,提出了基于金字塔特征的KCF跟踪算法。该算法通过实验分析发现不同空间尺度上的HOG特征具有不同的目标-背景判别力和定位能力。基于该观测,融合多个尺度上的HOG特征提出了一种金字塔HOG特征,并将该金字塔特征应用于多通道的KCF跟踪框架。实验分析表明,该金字塔特征有效提高了KCF在多达50个视频序列上的跟踪性能。相比于原始KCF算法,所提算法在跟踪精度和成功率典型值上的性能提升分别为5%和4.6%。

视频监控领域基于自适应学习因子与积分通道特征的核相关目标跟踪算法

针对视频监控领域复杂场景下单一特征跟踪算法适应性不强的问题,提出一种基于自适应学习因子与积分通道特征的核相关目标跟踪算法;该算法利用积分通道特征丰富多样的特征信息与高效的计算效率,将不同通道的特征整合到核相关模型中,可以克服单一通道特征对目标区域描述不足的缺陷,增强模型的泛化能力;大量的定性定量实验表明所提的算法的跟踪性能超过传统的核相关跟踪算法,对复杂的跟踪场景具有更强的鲁棒性与抗干扰能力。

基于线性核函数的高速核化相关跟踪算法

现有的视觉目标跟踪研究主要集中在跟踪性能的提升,计算量普遍过大,难以在计算资源有限的嵌入式计算平台上实时运行,严重影响了跟踪算法的实际应用.对现有的跟踪算法进行了分析,提出了一种改进的高速核化相关跟踪算法.一方面,采用线性核函数解决相关运算中核函数计算量大的问题,另一方面,对算法流程进行优化,将多个傅里叶变换计算放在算法初始化阶段,从而避免在跟踪过程中进行运算量较大的傅里叶变换计算.综合上述措施,将原来的每次跟踪主循环需要计算十次傅里叶变换(FFT)减少到三次FFT.并通过定量实验分析验证,在跟踪性能基本不变的情况下,将速度提升到原来的4-5倍.提出的方法大幅降低了高性能跟踪算法的计算量,在计算性能有限的嵌入式计算平台上有着良好的应用前景.

一种面向目标跟踪性能的红外图像自适应增强方法

针对光照突变或强辐射源干扰条件下由于目标能量变化引起跟踪不稳定且易丢失的问题,提出了一种可适应目标能量突变的自适应红外图像增强预处理算法。首先通过最大极值稳定区域方法对目标进行检测,实时计算目标区域平均灰度,并通过最小二乘对下一帧目标均值进行预测,当检测到实时目标能量与预测均值能量突变超过一定阈值后,使用自适应增强方法重新预处理目标图像,使突变前后目标及其附近背景区域对比度保持稳定,然后通过核相关跟踪算法对目标能量变化前后的目标进行跟踪。实验结果证明,该增强算法能有效改善目标能量突变情况下目标跟踪的稳定性和准确性。

基于深度学习辅助的动态人脸跟踪方法

动态人脸跟踪过程中,现有的跟踪算法存在快速运动、遮挡和频繁进出摄像机视野下无法及时判定跟踪漂移导致跟踪失败,而目标再出现时作为新的目标进行跟踪.针对以上难题,提出一种融合跟踪校验和深度学习识别辅助的动态人脸跟踪算法(Kernelized correlation filter with verification and recognition,KCFVR).跟踪算法核心是结合核相关滤波框架,通过跟踪校验算法判定人脸目标是否跟踪漂移导致跟踪失败;在目标重新出现时,结合深度学习网络识别辅助方法判定是否为新目标.实验结果表明:跟踪校验算法及时减少跟踪误差积累,识别辅助算法在跟踪成功率及识别精度上,都取得较优的实验结果,实现同一人脸目标的实时、持续跟踪.

基于结构光视觉的螺旋焊缝跟踪系统研究

目前,螺旋板式换热器焊接存在焊缝跟踪困难,焊接所导致的偏差存在的缺陷。本文设计和研发了一套基于主动光视觉技术的螺旋焊缝实时跟踪焊接系统,通过焊接前的焊缝特征点提取,焊接时核相关滤波目标跟踪算法进行焊缝的识别和自动跟踪,实验测试表明该方法能够达到螺旋板式换热器的全自动焊接跟踪精度要求。

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。