海上无人机对运动船舶的长期检测跟踪算法

针对无人机在海上对船舶进行长时跟踪时,由于船身被遮挡及船舶离开视野导致目标跟踪失败的问题,提出了基于YOLOv5和ECO_HC相结合的海上目标长时检测跟踪算法。首先,利用感知哈希与峰值比例综合评估跟踪过程的可靠性,目标丢失时利用YOLOv5检测器重新定位目标位置,并初始化跟踪器模型,消除累计错误信息。其次针对目标在跟踪过程中存在的旋转变化,利用傅里叶-梅林变换进行旋转参数估计,减少了目标旋转造成的跟踪器性能下降问题。本文算法在OTB-100数据集上的平均精确度和成功率为83.9%和76.7%;在无人机平台上进行实际海上场景船舶跟踪实验,在完全遮挡及离开视野两种情况下精确度和成功率分别为为80.9%,60.4%和90.2%,48.3%,实验表明本文算法可以有效抑制常见海面干扰因素的影响。

基于尺度自适应和跟踪框自转的视频目标跟踪

在高空运动变焦摄像机视频监控目标的自动识别跟踪中,跟踪目标背景、跟踪目标尺寸和跟踪目标相对背景运动的方位角都在实时变化,为解决常规Mean Shift目标跟踪算法在面临上述快速变化时容易出现的目标跟踪丢失问题,在Mean Shift目标跟踪算法的基础上,考虑跟踪目标的变尺度、长宽比和方位角等因素,提出了改进的基于尺度自适应和自转跟踪框策略的视频目标跟踪算法,实际场景下的实验结果表明:该算法具有较好的准确性和实时性,满足视频目标实时跟踪的应用需求。

基于UWB技术在料框跟踪系统的研究

为解决钢结构行业料框众多且在厂区分布位置不确定,容易造成无法及时找到料框的具体位置,间接影响工作效率的问题,设计开发了一套基于UWB料框跟踪系统[1],本系统的UWB定位模块具有成本低、扩展性强、抗干扰、易于管理的特点,大大提高了工人对料框位置的跟踪和监视,因此,文章就上述内容展开研究。

无人机对地目标跟踪的快速初始化和自适应优化

目标跟踪算法的性能通常和初始跟踪框的质量有关。在无人机对地侦察任务中,由于反应时间有限,操作员通常难以选取精确的初始跟踪框,导致目标跟踪结果较差。针对这一问题,提出一种半自动的跟踪框快速初始化和自适应优化策略,并给出基于视觉显著性和显著图像分割的自适应优化算法样例,在性能提升和运行时间上均具有优势。与优化前相比,在2个数据集上的跟踪成功率最高提升0.262、跟踪精度最高提升0.177;在运行时间方面,处理200像素×200像素的图像切片时,理论并行速度可达10帧/s。提出的跟踪框初始化和优化策略,结合了人的主观选择和视觉认知,可以有效解决无人机对地侦察任务中目标难以锁定的问题,并具备在嵌入式设备中的可移植性。

基于KCF相似度的TLD目标跟踪算法

研究持续单目标跟踪算法时,TLD的架构是一种值得借鉴的方式,但由于其本身的一些缺陷,当跟踪的目标在出现遮挡、快速移动以及光照变化等复杂情况下,TLD跟踪算法容易发生目标跟丢的情况,并造成误差的逐渐累积。鉴于TLD跟踪算法以中值流跟踪算法作为跟踪器存在局限性,本文提出一种基于KCF相似度的TLD目标跟踪算法(TLD-KCFS)。采用KCF算法对TLD跟踪进行实时监督,通过跟踪结果计算出相似度,利用相似度进行检测模块切换的判断,并结合两种结果调整目标跟踪框。通过对多类型的视频序列进行测试后可知,TLD-KCFS算法在遇到模糊和快速移动、目标遮挡、光照变化等复杂情况时,可以稳定且良好地输出跟踪结果,鲁棒性较好,适用于长时间目标跟踪。

融合CN跟踪算法改进的TLD实时目标跟踪算法

针对TLD算法跟踪框在目标非刚性形变、旋转、背景杂乱等情景中容易导致跟踪漂移的问题,提出了一种融合CN跟踪算法改进的TLD实时目标跟踪算法(TLD-CN)。首先对跟踪框内区域计算图像显著性得到BRISK算法采样特征点的阈值,获得合适的特征点以建立旋转和尺度归一化的描述子,再融合颜色特征和纹理特征对前后帧跟踪框内描述子进行最优相似性匹配,得到匹配的特征点集合,对集合内特征点进行判别式字典的稀疏编码后,分别与CN跟踪框和TLD跟踪框的中心像素点进行相似度的度量,得到输出框调整的权重系数。实验结果表明,TLD-CN跟踪算法通过特征点度量出2种算法融合的权重值调整输出框,在目标形变、旋转、背景杂乱、快速运动等复杂跟踪情景中,具有很高的精度和成功率。权重系数自适应更新也避免了模型过拟合,达到实时跟踪效果。

改进的Mean Shift跟踪算法在车辆跟踪上的应用

使用传统Mean Shift目标跟踪算法实现运动目标跟踪时,跟踪框大小不变,可能会导致跟踪过程中运动目标跟丢的情况发生。因此,提出了一种结合背景差分法的Mean Shift跟踪算法,从而实时地提取出大小合适的运动目标跟踪框。实际应用中,通过DM642数字信号处理器采集D1格式的视频,然后对视频帧图像进行改进的Mean Shift跟踪算法实现后可以发现,改进的Mean Shift跟踪算法可以实时地实现目标跟踪框大小的变化。在跟踪效果上,改进的跟踪算法具有较好的效果。

基于光学投影的PTZ相机自适应窗口目标跟踪方法

针对视觉跟踪中运动目标的大小随时间改变这一问题,提出一种基于PTZ相机光学投影的自适应窗口目标跟踪方法。当PTZ相机转动时,目标在监控画面中的大小随之变化,而目标的大小实际没变,物体在水平面上投影的尺寸和它在图像中的尺寸成反比关系。据此,将实际物体三维投影到图像中,使用投影的方法解决一类特定条件下自适应跟踪框问题。实验结果表明,当运动目标的实际大小变化不大时,自适应跟踪框可以精确地标出目标。

基于运动轨迹分析的头部行为识别

提出一种基于人脸运动轨迹分析的头部行为识别方法。对人脸进行检测和全自动跟踪,通过计算人脸运动轨迹参数并进行参数数据统计和分析,实现人体头部行为识别。针对抬头、低头时出现的跟踪框长短轴交换问题,通过引入基于跟踪框长短轴比值的约束条件,对椭圆跟踪盒主轴与纵轴夹角的计算方法进行改进。实验结果证明,该方法的正确识别率较高。

栅格地图道路的快速矢量化方法研究与实现

以彩色数字栅格地图道路数据为处理对象,提出一种基于可变矩形跟踪框技术快速矢量化道路类线要素的方法。在确定道路矢量化规则的基础上,通过采用可变矩形跟踪框技术,结合端点(交点)判断及道路惯性延伸点判断方法实行栅格地图道路的快速矢量化,并克服了当前几种常用矢量化方法的不足。实验结果表明该方法的矢量化效果十分理想。