均值漂移算法在无人机侦察目标图像跟踪中的研究

通过分析均值漂移算法及改进算法在无人机侦察目标图像跟踪中的应用,采用公式法及文献法对其进行研究。研究结果表明基本的均值漂移算法对比较简单的侦察目标图像跟踪有较多的优点,但对于比较复杂的侦察目标图像跟踪需要使用改进的均值漂移算法。该研究对无人机侦察目标图像跟踪有参考依据。

基于偏好学习的视频图像单目标跟踪算法研究

针对视频图像连续拍摄中不利的环境因素造成图像目标跟踪丢失的现象,本研究提出了一种基于SDAE模型和偏好学习模型结合的视频图像单目标跟踪算法。在SDAE模型中,采用卷积神经网络模型的处理规则,并对SDAE堆栈式去噪自编码器的内部排列结构进行了调整;构建的偏好学习模型,将目标跟踪问题转换为目标图像块中重叠部分的区域大小排序问题,完成了排序函数、样本之间的偏好关系、跟踪约束条件和支持向量机二分类器的设计。本研究算法与实验选取的四种目标跟踪算法相比的结果表明,本研究算法在跟踪目标成功率、目标跟踪精度和系统运行时间方面具有一定优势,目标跟踪成功率和目标跟踪精度均为89%左右。

目标多自由度Mean Shift序列图像跟踪算法

现有的M ean Sh ift跟踪方法使用单一半径参数来描述目标大小变化,每个目标仅有位置和尺寸两个自由度,因而不能适应复杂的目标运动情况。文中提出新的M ean Sh ift跟踪方法,该方法引入带宽矩阵来描述目标尺寸,能够在水平和垂直两个方向上独立描述目标大小变化,并加入目标倾角,使得目标旋转运动得以很好描述。实验表明,该算法能够准确跟踪序列图像中的任意复杂运动,尤其对目标的缩放、旋转运动有良好的适应性。

一种健壮的目标多自由度Mean Shift序列图像跟踪算法

鉴于现有的M ean Sh ift跟踪方法都是使用单一半径参数来描述目标大小变化,且每个目标仅有位置和尺寸两个自由度,因而不能适应复杂的目标运动情况。针对该问题,首先提出了一种新的M ean Sh ift跟踪方法,由于该方法是通过引入带宽矩阵来描述目标尺寸,因此能够在水平和垂直两个方向上独立描述目标的大小变化,并通过加入目标倾角,使得目标旋转运动得以很好描述;然后借鉴了三步搜索的思想,提出了一种快速搜索策略,以解决目标遮挡问题。实验表明,该算法能够准确跟踪序列图像中的任意复杂运动,尤其对目标的缩放、旋转运动以及遮挡有良好的适应性。

基于奇异值分解的图像目标跟踪算法

传统相关跟踪方法是利用模板图像与目标图像对应像素的灰度差异信息进行跟踪 ,它对旋转变化敏感 ,且存在跟踪累积误差 ,容易导致模板漂移而丢失目标。文中提出基于奇异值分解的跟踪算法 ,算法首先建立模板图像训练集合 ,利用奇异值分解方法 ,张成模板图像特征空间 ,然后求出模板图像在特征空间里的投影值 ,代替传统算法中灰度对两幅待匹配图像进行的全局搜索定位。在进行投影值间的相似性度量时 ,欧氏距离同等对待所有的特征向量不够合理 ,文中采用了一种鲁棒估计方法 ,可以对不同距离的值做不同处理。匹配跟踪实验效果良好。

红外图像序列目标识别与跟踪中的几个问题

讨论了研究ATD和ATR/I系统时的几个问题 ,通过分析比较 ,得出了用合成图像补充实际图像的不足是检验ATD和ATR/I系统性能的关键的结论。

使用Mean Shift进行自适应序列图像目标跟踪

现有的MeanShift跟踪方法使用单一半径参数描述目标大小变化,不能适应复杂的目标运动情况。使用带宽矩阵来描述目标尺寸,在两个方向上独立描述目标大小变化,提出并证明了一种新的跟踪方法。实验表明,在不增加任何计算量的情况下,该算法对目标运动的适应性更好。

粒子滤波器在图像序列目标跟踪中的应用

粒子滤波器是一种根据带有噪声的观测数据序列估计未知运动状态的技术,它主要用于非线性、非高斯的信号处理系统,它由状态转换模型和观测模型两个部分构成,其基本思想是用一组带权的粒子来表示随机变量的后验概率分布。该文中以图像序列运动目标的位置为未知运动状态变量,相邻两帧图像经过全局运动补偿后的差图像为观测数据,针对室内环境单个步行者的情况,提出了一种简单有效的基于运动检测的状态转换模型和观测模型。实验结果表明,该模型具有良好的跟踪性能。

基于QP_TR信任域方法的低信噪比序列图像目标跟踪

运动平台上低信噪比序列图像中的目标跟踪面临着两大困难:平台运动导致图像存在全局平移,使得目标在相邻帧间脱离跟踪算法搜索窗;图像中的干扰使得跟踪窗口经常跳动而导致跟踪失败。鉴于QP_TR信任域算法的优良性能,针对上述两个问题提出了一种新的基于QP_TR信任域和Kalman滤波的跟踪算法。该算法利用QP_TR进行图像稳定和模板匹配,通过Kalman滤波器状态估计滤除干扰。与三步搜索方法相比,加大了搜索窗大小的同时减少了模板匹配的次数,提高了性能。在真实图像序列上进行的实验表明,该算法能有效地稳定运动图像,实现运动平台上低信噪比序列图像中目标的稳定跟踪。

红外图像目标瞄准点测量和基于自适应Kalman滤波的瞄准点跟踪

前视红外图像(FLIR)包含有关目标形状的丰富信息,可据以识别目标的背景干扰,从而增强抗干扰能力,且可根据目标要害部的亮度特点及预定范围,确定并进而跟踪瞄准点,本文提出目标瞄准点的序贯相关测量与Kalman滤波相结合的跟踪方法,在用110帧红外序列图像目标瞄准点跟踪仿真研究中,获得令人满意的结果,本文给出仿真误差方差、误差曲线和代表性的跟踪照片。

人员图像跟踪过程中多人交叉区域防丢失方法

研究运动目标的图像准确跟踪问题。在随机图像跟踪过程中,画面中出现的图像人物是不定的,图像中目标与随机目标经常同时交叉出现,多目标区域的相似性会造成跟踪帧画面出现多目标特征区域干扰。传统的图像目标跟踪方法以图像关键兴趣区域里的目标特征为基础,一旦图像中出现多目标区,跟踪模型会陷入重复选择,跟踪丢失。提出采用尺度动态变换的运动目标跟踪方法。根据衰减相关理论,提取运动目标关键帧图像,为运动中的交叉多目标跟踪提供依据。利用尺度动态变换方法,对人物交叉画面中运动目标关键帧多目标区进行背景分离处理,实现运动目标的分离跟踪,防止跟踪丢失。实验结果表明,利用改进算法进行运动目标跟踪,能够有效提高运动目标跟踪的准确性,抗击由于画面突变对跟踪结果造成的干扰。

基于自适应估计的光电平台目标跟踪方法

在基于图像的目标跟踪系统中,跟踪器延迟对系统的稳定性和跟踪精度产生不利影响.通过对光电平台伺服系统的理想控制指令的分析,给出了一种基于自适应估计的跟踪器延迟补偿方法.该方法采用自适应估计器快速估计目标速度,预测目标位置,同时结合无人机位置和姿态信息预测控制指令实现延迟补偿.仿真结果表明:该方法在目标机动和载机机动情况下能够有效提高光电平台的跟踪精度.

基于模板匹配的图像跟踪技术

为了解决传统模板匹配方法跟踪图像时遇到的问题,提出了在跟踪过程中采用变模板匹配的方法。该方法较好地解决了传统方法的局限性,通过实验比较了使用模板匹配和变模板法跟踪图像的效果。

船舶AIS与视频图像信息融合方法研究

针对船舶监控中AIS与视频图像跟踪轨迹关联匹配难的问题,提出一种基于综合因素模糊评判算法的AIS与视频图像融合方法.设计了分布式框架融合模型,通过Darknet网络模型结合YOLOv3算法深度学习框架,实现视频图像中船舶目标的识别与跟踪.抽取船舶AIS的目标运动特征,通过短时时空轨迹预测和坐标转换实现AIS航迹与视频图像跟踪轨迹的时空配准.基于综合因素模糊评判算法实现船舶AIS与监控图像信息融合.结果表明:所提出的方法对内河航道多船舶目标的融合准确率达到82.4%,对船舶交汇场景依据具有很高的识别率.

基于TMS320C6202 DSP的运动目标跟踪系统

本文描述了一种以TMS320C6202数字信号处理器为核心的高速图像处理板和图像实时采集卡及摄像头构成的实时运动跟踪系统。提出了一种快速图像匹配的相关跟踪算法,给出了在复杂背景下跟踪飞机的实验结果。实验证明该系统性能可靠,跟踪效果较好,并有较高的实时性。

某型装备图像目标跟踪技术研究

针对某型装备图像目标跟踪机理复杂难以厘清的问题,基于电路原理和电路实验,对该型装备跟踪系统的各个组成电路进行分析,重点研究了目标偏移跟踪电路的工作原理。通过对整个跟踪系统的分析,掌握了该型装备图像目标跟踪技术的机理,提高了该型装备跟踪目标的灵敏度、准确度,为精确打击目标提供了坚实的理论支撑。

一种复杂背景下运动目标识别和跟踪方法

针对在复杂静态背景下对运动目标点识别和跟踪的问题,本文将复杂静态背景下运动中的小车作为动态目标,根据目标特征采用图像预处理和图像配准的方法完成了对目标的探测和跟踪。实验结果表明:该方法可以基本满足复杂背景下运动目标自动识别和跟踪的要求。

基于遗传算法的人脸跟踪研究

提出了一种快速的、鲁棒的人脸定位及跟踪研究方法 ,定义了一种新的运动能量表示方法 ,利用该方法可以很快地检测出图像中的运动区域。在检测到的运动区域内 ,利用人的头部及面部结构知识确定出人脸区域 ,再将检测到的人脸区域作为模板 ,利用遗传算法在新的图像序列中动态地进行模板匹配 ,以确定人脸在新的图像序列中的位置。实验结果表明 ,该方法不但检测速度快 ,而且对光照、人脸姿态。

DSP实时图像处理系统

阐述了高速图像目标测量系统的DSP实现,运用了高性能DSP(TMS320C6202)完成实时图像目标处理,研究了一种快速图像匹配的相关跟踪算法,并结合大规模可编程逻辑阵列CPLD进行逻辑控制和现场可编程门阵列FPGA对采集的视频图像做预处理。实验证明该系统性能可靠,跟踪效果较好,并有较高的实时性。

一个新颖的轮廓线跟踪算法

提出了一个新颖的基于隐马尔科夫模型与光流的轮廓线跟踪算法。曲线描绘由B样条形状空间向量来表达,能够捕捉全局和局部变形。提出应用沿曲线的光流计算来预测曲线在下一帧的位置,在预测曲线的基础上,提出应用隐马尔科夫模型来准确定位曲线的位置。隐马尔科夫模型提供了一种有效的概率手段来融合多种量测特征比如边缘,曲线平滑性,区域灰度或颜色统计信息等等,能够更准确的定位曲线位置。基于仿射形状空间的实验了表明本文所提出算法的有效性。