基于时间信息加权的ViSAR目标阴影跟踪算法

基于目标阴影的跟踪技术是视频合成孔径雷达(video synthetic aperture radar,ViSAR)目标探测的重要手段,但ViSAR数据存在目标特征不明显且随时间不规则变化、相干斑噪声干扰强等问题,使得ViSAR目标阴影跟踪精度较低。为此,提出了一种鲁棒的基于时间信息加权的ViSAR目标阴影跟踪算法。针对目标特征不明显且随时间不规则变化的问题,将尺度自适应均值偏移(adaptive scale mean shift,ASMS)跟踪算法引入到ViSAR目标阴影跟踪中,同时在ASMS算法的背景比例加权(background ratio weighted,BRW)技术中添加历史帧的特征,并对尺度正则项进行时间信息加权修正,来对目标特征进行整合。针对相干斑噪声干扰强的问题,对ASMS算法加入局部中值滤波操作的预处理步骤,在不增加计算量的同时平滑了噪声。在对两类ViSAR数据集上不同尺寸、不同运动状态的目标阴影的跟踪实验结果表明,与现有高性能跟踪算法相比,所提算法在保证了实时性的基础上提高了跟踪精度,且不需要额外的训练样本,具备较好的工程应用价值。

改进的CamShift人脸跟踪算法

经典CamShift算法在用于人脸跟踪时,遇到场景中有大面积类肤色区域出现的情况容易产生跟踪失误。针对该问题,提出在CamShift中融入模板匹配的改进算法。以颜色概率分布图中模板匹配是否成功作为CamShift算法迭代终止的条件,解决跟踪过程中的类肤色干扰问题。实验结果证明了该方法的有效性。

一种基于纹理和颜色的目标跟踪方法

研究视频物体识别系统,传统连续自适应均值偏移(Camshift)跟踪方法根据H分量建立被跟踪目标的颜色模型,而H分量易受亮度(V分量)的影响,造成不能准确跟踪运动目标。为解决上述问题,引入运动目标的纹理特征,先提取HSV颜色空间的H分量,把它转化为局部二元纹理(LBP)图,计算目标的LBP纹理直方图并把反向投影到LBP纹理图上,得到LBP纹理概率图,然后采用Camshift算法确定当前图像中目标的尺寸和中心位置。对手势和人脸跟踪进行仿真计算,实验结果表明,在跟踪过程中可以对目标进行稳定的实时跟踪,通过计算,也改善了传统方法,使识别人脸不受光照的影响,验证了改进方法的有效性。

基于Kinect深度信息的人体运动跟踪算法

大多数人体跟踪算法鲁棒性不高的主要原因是对人体的颜色特征进行跟踪,针对此问题设计了基于Kinect深度信息的人体运动跟踪算法。通过分析Kinect获取的深度图信息来对人体轮廓进行区分判定,提取前景目标区域以及计算目标区域的深度直方图。通过对深度直方图进行分析去除背景区域部分,根据获取的深度直方图求取跟踪图像的深度反向投影;最后结合Camshift算法确定当前选取目标区域的尺寸和中心位置来进行对人体的实时跟踪。实验结果表明,该算法提取的目标特征具有较强的鲁棒性,避免了光照变化和背景相似情况下的不稳定问题,能实现复杂场景下的人体目标跟踪。

结合Camshift和Kalman预测的运动目标跟踪

针对单一的CamShift跟踪算法在目标发生遮挡时非常容易致使跟踪目标失败的问题,本文提出了一种基于CamShift和Kalman预测的跟踪算法。首先,采用帧间差分阈值法来快速、精确地检测和提取出运动目标;然后,通过在CamShift算法中使用运动目标的颜色特征,在图像序列中找到运动目标的所在位置和大小;最后,使用Kalman滤波预测目标的位置,进而有效地解决了背景中大面积相同颜色的干扰和目标部分被遮挡等问题。用无线遥控车完成了运动目标的跟踪实验,实验证明结合CamShift算法和Kalman预测滤波能实时、准确地跟踪目标。

一种结合了纹理和颜色的运动目标跟踪算法

运动目标跟踪是智能视频监控中的关键技术之一,怎样描述运动目标是该技术的一个关键问题。提出一种新的运动目标跟踪算法,结合改进的LBP纹理和色度来描述运动目标,并采用Camshift算法的思想进行目标跟踪。为了降低算法的复杂性,在保证跟踪精确度的前提下,LBP纹理和色度的种类被极大地精简。实验证明提出的方法能有效地跟踪运动目标,在常规的视频分辨率下能达到实时性,比同类的其它算法性能更好。

基于预测型人脸跟踪的人机接口

实现了一种新颖人机接口方法。首先,利用Adaboost算法进行快速人脸检测和定位,然后通过Canny滤波获取精确的人脸区域建立肤色直方图模型。其次,使用Camshift算法计算人脸跟踪窗口的位置和大小。然后用二维Kalman滤波预测人脸的位置,增加跟踪速度。最后,人脸的三维自由度运动分别被用作控制电脑游戏角色的6种运动。通过实验,验证了此方法的实用性和有效性。

改进反向投影的Camshift人脸跟踪算法

对人脸进行检测与跟踪是诸如人机交互、视频监控等众多应用的基础。在众多方法当中,连续自适应均值偏移(Con-tinuously Adaptive Mean Shift,简称Camshift)算法在兼具良好跟踪性能的同时做到了较低的计算成本。然而在经典Camshift算法中,反映像素类肤色概率的"反向投影图"会受到初始搜索框内背景像素的影响,是几乎所有基于经典Camshift的算法中普遍存在的一个问题。针对反向投影图的原理进行分析,并采用人脸检测结果作为替代方案,从而对传统Camshift算法进行改进。同时,对YCrCb色彩空间中的人脸检测进行多时段分析,并借此自动确定初始跟踪区域,较传统Camshift算法具有更好的效果。

基于OpenCV的实验室监控预警系统

目前,视频监控系统的应用越来越广泛。视频监控和报警的自动化水平关系到监控的效率,自动化程度越高,越节省人力,论述了一种基于OpenCV的监控预警系统。本系统在MFC框架下编写而成,能够对视频图像进行预处理,并采用背景差分法对视频中出现的运动目标进行检测,检测到运动目标后,使用连续自适应均值漂移算法对目标进行跟踪。另外,在成功检测跟踪到运动目标后,该系统还能发出报警信号以提醒使用者。结果表明,该系统在固定场景下检测和跟踪效果良好。