一种新的基于颜色统计特征的判别跟踪方法

针对目前目标跟踪的大部分判别算法注重跟踪效率而没有考虑尺度变化这一问题,提出了一个简单而鲁棒的基于颜色统计特征的判别跟踪方法。这种新的颜色统计特征具有一定的光照不变性,同时保持较强的判别能力。建立了跟踪过程的仿射运动模型,利用优化参数来解决尺寸及角度变化等问题。此外,为了进一步提高跟踪速度,采用低维的颜色统计特征描述目标外观,利用颜色统计特征训练贝叶斯分类器,将置信值最大的样本作为跟踪结果,并在线更新分类器。与现有跟踪器的大量综合性的对比实验表明,该判别跟踪方法在不同挑战因素下均有明显优势。

综合边缘和颜色特征的IC类贴装器件的检测

为了适应印刷电路板(PCB)上IC类贴装器件检测的实时性要求,提出了一种基于边缘积分投影和颜色统计特征的检测算法。分析了不同贴装质量的IC类器件在三色(红、绿、蓝)结构光下的特征,用Sobel算子提取图像的水平和垂直边缘,并对边缘做积分投影,从而避免了设置边缘阈值的困难。在此基础上,利用最大邻域梯度法和滑动定位窗算法定位引脚的水平和垂直边界,并检测缺件、错件、偏移、歪斜等缺陷,最后,引入HSI(色度、饱和度和亮度)空间的颜色统计特征,完成对翘脚、极性错误的检测。实验结果表明:该算法可有效地检测IC类器件常见的贴装缺陷,整体准确率为97.9%,检测单个IC器件的时间约为30 ms,能够满足在线检测系统高准确率和实时性的要求。

无人机场景下尺度自适应的车辆跟踪算法

为解决传统相关滤波算法对无人机(UAV)拍摄视频中的车辆进行跟踪时,因目标车辆尺度变化而产生模型漂移的问题,提出了一种改进的尺度自适应的车辆跟踪算法。该算法基于核相关滤波,通过构建区分尺度的空间跟踪器,即利用两个滤波器分别对目标车辆的位置进行定位,对目标车辆的尺度进行估计,以此来快速确定目标相关信息,实现对目标车辆尺度的自适应。此外为解决目标车辆因快速形变而导致跟踪效果不佳的问题,还加入了对形变不太敏感的颜色特征,增加滤波器的鲁棒性,采用统计颜色特征方法,不受模板类特征限制。该改进算法在经过OTB和UAV数据集中28段车辆相关的视频序列测试后,平均距离精度为80.8%,平均成功率为82.7%,FPS达到了58.24。实验表明该算法可以提高在无人机场景下对车辆的检测跟踪效果,能够有效解决目标车辆因尺度变化和快速形变产生的问题,相比于其他核相关滤波算法有着更优秀的跟踪精度和实时性。