基于视觉预测的运动目标实时跟踪系统

针对机器人控制系统中更高的视觉反馈实时性要求,提出一种基于最小二乘法预测的目标实时跟踪方法.该方法采用最小二乘法预测运动目标的位置,以限定目标搜索范围,从而提高跟踪速度.实验结果表明该方法能满足快速视觉伺服响应的实时性要求.

基于Blackfin BF549的嵌入式动态目标实时跟踪系统设计

基于ADI公司Blackfin系列DSP BF549数字图像处理芯片,提出了一种在动态背景下对所采集图像中的动态目标进行实时跟踪与显示的嵌入式设计方案。对系统的工作原理、硬件及软件设计三方面进行了介绍。该设计方案充分利用BF549芯片的高性能视频处理能力,采用基于图像配准的运动目标检测方法,首先将采集的4幅相邻帧图像的背景进行配准,之后再利用差分相乘法,实现了动态背景下运动目标的检测,并利用球机对运动目标进行实时跟踪,最后将跟踪结果显示在TFT液晶屏幕上。

一种自适应特征选择的运动目标实时跟踪算法

提出自适应特征选择算法,利用背景信息及目标信息建立特征分类器,并在跟踪过程中不断更新特征分类器;提出采用光流算法对运动区域进行粗预测,然后利用特征分类器及meanshift算法对目标进行跟踪.实验结果表明,该算法可以根据不同的背景信息自适应的选择特征,对于跟踪过程中存在形变、遮挡以及背景出现干扰或光照变化等情况,依然可以对目标进行稳定的实时跟踪.

DSP实现基于改进压缩跟踪算法的目标实时跟踪

为解决目标外形、姿态变化以及被遮挡的难点,对压缩跟踪算法进行改进:以Kalman预测位置为中心,采用由粗到精的搜索策略,快速准确地找到具有最大分类分数的目标位置;根据目标在每一帧最大分类分数的变化规律进行粗判定,再利用目标和模板的相似度进行精判定以判断遮挡的开始;利用Kalman预测器预测目标被遮挡时的位置,利用基于MCD距离的模板匹配检出脱离遮挡后的目标。使用浮点转定点等策略将算法在DSP上优化实现。实验结果表明:跟踪效果稳定,在目标外形、姿态缓慢变化以及被遮挡时能准确地跟踪目标。对640×480像素的视频,跟踪框为64×64像素时,被遮挡目标跟踪速度达到38.5毫秒/帧,满足实时性要求。

基于激光点云特征匹配的物流分拣目标实时跟踪方法

为准确定位物流信息,降低货物丢失概率,提出了基于激光点云特征匹配的物流分拣目标实时跟踪方法。通过激光三维扫描采集点云数据,经过奇异值分解与坐标转换实现孤立点云数据合并,利用中值滤波算法进行噪声过滤,通过对图像帧的分割处理采集目标边缘轮廓;将全局与局部轮廓特征匹配方式计算轮廓点数量与特征向量;分别获取物流分拣目标跟踪中心的测量值与预测值,综合考虑匹配置信度、测量值和预测值之间的约束关系,确定目标跟踪位置。仿真分析表明,该方法能有效去除点云数据噪声,且跟踪轨迹与实际轨迹吻合度较高。

基于TMS320C6202的实时多目标识别跟踪系统处理平台设计

为解决电视捕获跟踪瞄准系统中算法复杂性与系统实时性之间的矛盾。本文设计了以最新ＤＳＰ芯片ＴＭＳ３２０Ｃ６２０２为核心处理器、基于ＦＰＧＡ和ＰＣＩ总线的实时多目标识别跟踪处理平台。通过对Ｃ６２０２和Ｃ６２０１芯片性能的比较，得出Ｃ６２０２适合实时图像处理的特点。重点介绍了该实时处理平台的基本组成、工作原理和系统优化措施。针对复杂背景下目标多、小、弱的特点，初步探讨了一种易于ＦＰＧＡ硬件实现的模糊边缘检测算法的理论基础。

改进质心跟踪算法在实时空中目标跟踪中的应用研究

针对光电探测跟踪系统的应用,分析低空运动目标在空天背景中电视成像的特点以及常见背景成像特点。提出该场景下检测区域中点的表示方式,并以此为权重,在TMS320DM8168Davinci平台中实现实时加权质心跟踪算法。实验证明,该方法能够在嵌入式平台实现低空运动目标实时跟踪。

基于DSP/FPGA的嵌入式实时目标跟踪系统

提出了一套基于DSP/FPGA的协处理器结构用以实现实时目标跟踪的嵌入式视觉系统。系统由DSP作为主处理器进行全局控制,利用具有流水线并行处理结构的FPGA作为协处理器实时完成DSP分配的处理任务。系统由FPGA快速完成最初的运动估计的结果,DSP在此基础上进一步分析和校正,并将校正信息反馈给FPGA,实现快速而准确的跟踪。

DirectShow框架下实时运动目标检测与跟踪方法的研究与应用

面向智能视频监控系统的应用背景,为找到一种便于实施和推广的智能视频监控系统模型,提出了一种在DirectShow框架下进行实时运动目标检测与跟踪的方法.首先针对室内监控场景的特点给出了一种实时性优先的运动目标检测与跟踪方法,然后结合DirectShow技术的特点对该方法进行封装和改进,在两者"相得益彰"的情况下设计并实现了具有实时运动检测功能的Filter组件,并在此基础上构建了一种"先检测后压缩传输"的智能视频监控系统,最后给出了系统的实际测试效果并验证了这种"DirectShow+运动检测"的设计方法在智能监控方面的优越性.

WSN中利用改进FOA-GRNN和迭代Cubature卡尔曼滤波的实时目标跟踪方法

针对传统无线传感器网络(Wireless Sensor Network,WSN)对运动目标的定位和跟踪容易产生明显误差的问题,提出利用改进FOA-GRNN和迭代Cubature卡尔曼滤波的实时目标跟踪方法。基于改进FOA-GRNN法,利用从锚点接收到的运动目标的模拟(RSSI)值和相应的实际目标二维位置对GRNN进行训练,从而获得单个目标在二维运动时的准确初始位置;利用迭代Cubature卡尔曼滤波法对实时目标进行精准定位和测距,获得实时目标的准确定位和跟踪信息;将改进的FOA-GRNN法和迭代Cubature卡尔曼滤波法相结合用于WSN中实时目标跟踪和定位,在提高初始位置精度的同时,还提高了实时目标定位和跟踪信息的准确度。实验结果表明,相比其他几种较新的方法,该方法改善了WSN中实时目标的跟踪性能,降低了误差,提高了跟踪精度。

实时目标跟踪中自适应尺度计算

为能够更好地解决复杂视频中目标的大尺度变化问题,提出一个在跟踪检测框架下的尺度计算算法。主要把目标分为4部分,分别计算它们的尺度因子,通过基于颜色属性的核相关滤波找出各部分最大响应位置。为解决定位不准确的问题,采用加权系数移除异常匹配点,将常规分类器所期望的训练输出转换成其它可操作的形式。仿真结果表明,该算法性能胜过其它现有算法,能够达到实时处理的要求。

序列图像中彩色目标跟踪的加权颜色分布方法

提出一种基于加权颜色概率分布模型的彩色目标跟踪方法。对目标的颜色直方图进行改造形成目标的颜色概率分布图,同时考虑到了颜色模型的大小及其中像素点的位置对颜色分布的影响,再对颜色分布图进行加权处理成为加权颜色分布图,以此作为目标的颜色模型。与加权直方图相比,加权颜色分布图对区域特征描述更加合理。实验结果表明,本文方法与典型的mean-shift算法相比,提高了目标的定位精度的同时,降低了计算复杂度,而且在快速运动和被大比例遮挡的情况下对彩色目标的实时跟踪有良好的鲁棒性。

基于实时目标跟踪的智能监区视频监控软件设计

针对目前武警部队的"两看"目标的监区监控系统均不同程度的存在着摄像头安装杂乱、视频监控有死角、无法动态跟踪目标等问题而造成的巨大的安全隐患,本论文设计开发了一套专用于监区的智能视频监控系统。系统可有效提高监区安防水平,提高武警部队日常执勤的目标性与准确性,对响应武警部队的减员增效的指导方针具有重要意义。本文研究的用于监区的智能监控系统已经通过测试投入实际的工程使用,能够较好的实现对监区的实时视频监控、特征目标实时动态跟踪、报警事件回溯等功能。测试结果表明,系统在功能和性能上均达到了系统需求。

相位一致性图像及其在目标跟踪中的应用(英文)

针对传统实时相关跟踪方法对照度变化敏感的问题,提出了一种基于相位一致性图像的相关跟踪方法.利用相位一致性函数值在[0,1]区间内且无量纲、对图像的亮度和对比度具有不变性等特点,首先对原始图像进行相位一致性检测,得到相位一致性图像,再利用MAD(Minimum Absolute Difference)等相关跟踪算法在相位一致性图像中对目标进行跟踪运算.对可见光和红外图像的实验表明,在图像的亮度和对比度发生剧烈变化的情况下,算法仍能保持对目标的稳定跟踪.该方法可用于解决传统实时相关跟踪方法普遍存在的因照度变化导致跟踪点漂移甚至跟踪失败的问题.

基于QP_TR信任域的序列图像目标跟踪

本文将信任域算法和尺度空间理论相结合,提出了一种能够精确描述目标尺寸连续变化的新的序列图像目标跟踪算法;将信任域算法与灰度模板相结合,提出了一种新的实时目标跟踪算法。在第一种算法中,首先将序列图像按照颜色直方图转换成目标概率分布图,目标区域在概率分布图中呈现为灰度块。然后通过检测该图在尺度空间中微分滤波器输出的极值,来决定这些灰度块的尺度。最后我们使用QP_TR信任域算法在尺度空间里和图像平面内快速搜索概率分布图的多尺度规范化Laplacian滤波函数极值,实现了目标定位并同时决定了其尺度,从而完成了跟踪任务。在第二种算法中,首先记录目标初始模板,在随后每一帧中应用QP—TR信任域算法搜索与该模板最相似的区域,实现目标定位。和现有算法的比较以及在大量真实序列图像上的实验表明,两种算法分别在目标大小描述,跟踪精度上以及运算速度上有了显著提高。

基于激光雷达的三维多目标检测与跟踪

在自动驾驶应用中,为提高基于激光雷达的三维(3D)多目标跟踪精确度,降低计算时间成本与系统复杂性,提出了一种快速准确的实时3D多目标跟踪技术-PV3DMOT。该方法先结合体素和点云进行全面特征学习,以实现快速准确的3D目标检测,然后用3D卡尔曼滤波器进行目标状态预测与更新,并利用马氏距离与贪心算法完成数据关联,最终实现高效的3D多目标实时跟踪。经自动驾驶KITTI数据集实验测试,该方法的检测结果在中等与困难类别中的准确率相比Voxel R-CNN算法提升了0.2%,跟踪结果相比AB3DMOT算法,其关联准确率提升了1.16%,联合召回率提升了3.44%,能有效提高智能驾驶中3D多目标检测跟踪的精确度。

基于TMS320DM642的PPM跟踪算法设计与实现

文中设计了一个实时目标跟踪控制系统,采用PPM(后验概率指标)目标跟踪算法,辅以模板自适应算法和目标轨迹预测算法。系统可以进行360°场景的巡逻监控,并在手动捕获待跟踪的运动物体后,实时跟踪目标。利用目标偏离视场中心的偏差生成控制信号,以此控制云台的运动,确保目标始终处于摄像机的视场中央。经过优化的代码在SEEDVPM642平台上的运行结果表明,该系统能实时可靠地跟踪选定的目标。

基于麦克风阵列的声源跟踪系统

随着科技的发展,声源定位技术在越来越多的地方发挥着重要的作用,在多个领域有着广泛的应用。声源目标跟踪技术可以应用在视频录制、安防监控、鸣笛抓拍等场景中,在这些场景中,针对目标对象的语音信号,可以应用阵列信号处理的知识,将麦克风按照特定阵列放置在空域中,利用空间不同位置点的声源对麦克风阵列响应的时延相位误差,对声源进行测向,实现低成本的声源定位跟踪功能。本作品便是基于麦克风阵列的声源跟踪系统,将6路麦克风按照线型排列,并接入瑞萨SK-S7G2单片机的6路ADC中,单片机将采样值通过阵列信号处理中波达方向(DOA)估计等算法,获得声源的来波方向。然后用单片机去驱动云台,上面搭载摄像头或者高指向性麦克风,可以实现用户特定的跟踪需求。我们结合瑞萨单片机的性能与实际测试效果,选用了周期图法进行角度估计,利用频率采样型的FIR滤波器实现了对人声信号的切片,并对得到的角度结果进行低通滤波、设定阈值、非线性约束等处理,解决了环境噪声、室内混响等因素带来的问题。此外,我们将阵列置于云台上,进一步提高了跟踪的精度,云台的驱动采用步进方式,实现了实时跟踪。最后,我们将所有算法移植到瑞萨单片机上,制作了GUI界面,并添加了噪声训练功能,使之成为一个完整的系统。

基于Kalman滤波和边缘直方图的实时目标跟踪

为提高光照变化和背景混淆下的实时跟踪效果,提出了基于Kalman滤波和边缘直方图特征(edge orientationhistogram,EOH)的实时目标跟踪方法。边缘方向直方图对光照变化不敏感,且对颜色变化依赖程度低,适合背景混淆和光照变化场合下跟踪。Kalman滤波用于预测目标位置和角度,通过预测调整边缘方向直方图的计算得以快速找到跟踪目标,提高边缘方向直方图的匹配能力。经过实际复杂背景和光照场景下与颜色直方图的多组对比测试,颜色直方图很快会失去跟踪目标,EOH能快速正确跟踪,说明EOH和Kalman滤波能在这种场景下快速正确跟踪目标。

一种改进的基于Camshift的粒子滤波实时目标跟踪算法

为了能够快速和准确地跟踪运动目标,提出了一种改进的基于Camshift的粒子滤波算法。在粒子滤波框架下,首先对传统目标模型进行改进,提出一种新的融合目标颜色信息和运动信息的模型,以增强目标跟踪的稳健性和准确性;同时为了提高跟踪的效率,将一种改进的Camshift算法嵌入到粒子滤波中,用来重新分配随机粒子样本,使之向目标状态的最大后验概率密度方向移动。实验结果表明,与传统的粒子滤波算法或Camshift算法相比,该方法能有效处理目标快速运动或背景存在强干扰等情况,实现对目标快速和稳健的跟踪。