跟踪窗自适应的Mean Shift目标跟踪算法

针对Mean Shift算法不能很好地跟踪尺度变化目标的缺点,提出一种将Mean Shift算法和目标几何特征相结合的目标跟踪算法。该方法在Mean Shift框架下提取目标的几何特征,根据目标的面积和型心坐标对跟踪窗的位置和大小进行修正,最后更新Mean Shift的目标模板。通过大量实验仿真证明,改进的算法能很好地跟踪尺度变化的目标,对目标的仿射变化和非刚性的形态变化具有有效性和鲁棒性。

基于参数辨识α-β-γ滤波的自适应调整跟踪窗算法

针对传统α-β-γ滤波器受跟踪精度与收敛速度之间的矛盾以及系数固定的影响而难以跟踪强机动性目标的局限性,设计了一种基于参数辨识的自适应的α-β-γ滤波跟踪器。该滤波器根据目标机动性的变化,利用跟踪误差调整模糊集系统的输出,在保证精度的前提下,得到自适应的系数值,使跟踪结果快速收敛,很好地解决了跟踪精度与收敛速度之间的矛盾。同时,利用该算法的估计作用,应用在改进的自适应窗口调整的跟踪算法中,随目标场景变化而自适应调整跟踪窗。计算机仿真结果表明,在满足所要求精度的前提下,该算法可以克服传统算法的局限性,实现跟踪精度与收敛速度的相对最优,有效对强机动性目标进行实时跟踪。

基于自适应跟踪窗的红外小目标跟踪方法

针对采用固定跟踪窗的传统跟踪方法容易将云层边角等干扰信息纳入跟踪窗,从而影响目标稳定跟踪的问题,提出了一种自适应跟踪窗的算法。在检测到目标的前提下,通过Kalman滤波器动态地改变目标跟踪过程中跟踪窗的大小,以减少跟踪过程中云层等干扰信息对跟踪的影响,并减少算法需要处理的信息量。在真实红外跟踪平台上的实验表明,提出的算法在干扰抑制和运行速度方面都有一定程度的提高。

浅谈自适应跟踪窗的红外小目标检测

红外目标检测与跟踪系统具有精密度高、非接触、抗电子干扰的特性,在光学侦察和导弹制导等军事领域应用广泛。由于自然环境的复杂性和工程应用中的实际需要,研究红外目标的检测和跟踪系统,使它具有更好检测和跟踪效果,一直是一项具有挑战性的工作。

基于分块的核窗宽调整mean-shift跟踪算法

针对传统mean-shift算法核窗宽在跟踪过程中无法根据目标的大小变化进行相应调整问题。本文提出了一种基于分块的核窗宽调整mean-shift跟踪算法。该算法在跟踪窗口中心与目标形心定位的基础上,对跟踪窗进行分块,根据候选目标跟踪窗和分块目标跟踪窗中心距离的变化,对核窗宽的大小进行调整,使得跟踪窗口始终与跟踪目标的大小相匹配。实验表明算法对跟踪变大和变小的目标均取得了较好的跟踪效果。

一种用于空间群目标分辨的滑动窗轨迹跟踪算法

针对大多数现有的微多普勒分析理论难以解决空间群目标的监测与识别问题,本文提出一种基于提取目标运动特征的弹道中段群目标分辨方法。首先建立了多个具有滑动散射中心的旋转对称目标模型并得到其m-D曲线,在此基础上,利用形态学图像处理方法抑制一维距离像旁瓣,然后提出了一种滑动窗轨迹跟踪的方法分离出各散射点相互交叉的m-D曲线,再对分离结果进行经验模式分解(Empirical-Mode Decomposition,EMD),最后通过提取能够反映目标运动特征的固有模态函数(Intrinsic Mode Function,IMF),实现了群目标分辨。仿真实验校验了所提方法的可行性和鲁棒性。

基于单目视觉的多车辆跟踪方法研究

针对车载单目摄像机的汽车辅助驾驶系统,提出了一种多模式多线索的车辆跟踪算法。首先利用运动估计预测目标在下一帧的感兴趣区域,也就是跟踪窗。然后多目标遮挡推理机制确定目标是处于遮挡模式还是正常模式。在正常模式下,在跟踪窗内联合使用车辆的先验知识、评估环节、分块模板等线索对车辆目标定位;遮挡模式下,利用遮挡推理机制给出的遮挡区域,在跟踪窗内调用切割分块模板匹配进行遮挡处理。这种多模式多线索的车辆跟踪方法实现了对后方多车辆的稳定跟踪,同时也适合前视车辆。实验结果表明该算法是鲁棒的和准确的。

一种面向高斯差分图的压缩感知目标跟踪算法

针对压缩感知目标跟踪算法在目标纹理改变、比例缩放、光照变化剧烈时鲁棒性不足,提出一种面向高斯差分图的实时跟踪算法.首先,构建图像的多尺度空间及其对应的高斯差分图,实现高斯差分图的特征提取并获取压缩感知的输入信号;然后,通过压缩降维,目标邻域遍历,参数更新等过程,计算出面向高斯差分图的后续帧的目标最优跟踪窗;最后,将跟踪窗投影到对应的原始图像上,完成面向视频流的目标跟踪.高斯差分图像是单通道灰度图,具有灰度取值范围小、数值低、结构简单、维数少等特点,增强了特征对纹理改变、比例缩放和光照变化的稳健性,且继承了传统算法的实时性.实验证明,该算法能够快速准确地实现复杂环境下的移动目标跟踪任务.

基于多线索的车辆跟踪方法研究

针对车载摄像机的汽车辅助驾驶系统,提出了一种基于多线索的车辆跟踪算法。利用运动估计预测目标在下一帧的感兴趣区域,即跟踪窗。在跟踪窗内联合使用车辆的先验知识、评估环节、分块模板等线索定位车辆目标。在跟踪过程中,提出去除误识别的措施。这种基于多线索的车辆跟踪方法实现了对后方多车辆的稳定跟踪,也适合前视车辆。实验结果表明该算法是鲁棒和准确的。

视频监控中采用Mean Shift的运动目标跟踪算法

由于传统的Kalman滤波方法在非线性、非高斯跟踪问题上的不足,为满足智能监控系统对运动目标准确跟踪的需求,提出了一种改进的自适应Mean Shift算法。该算法利用Bhattacharrya距离来度量颜色模型之间的相似度,通过几次迭代运算定位目标并实现目标的准确跟踪,通过自适应调整跟踪窗口大小,提高了跟踪的实时性和鲁棒性。利用改进的MeanShift算法对行人与车辆目标分别进行了跟踪实验,实验结果表明,本文方法对刚体与非刚体目标的跟踪比传统的Kalman滤波方法具有更好的实时性和准确性。

监控场景下的目标自适应跟踪

目标跟踪是监控系统的关键技术之一。Mean-Shift作为高效的模式匹配算法,已经成功地应用在对实时性要求较高的目标跟踪系统中,但是传统的Mean-Shift跟踪算法未能有效地解决跟踪窗自适应和目标特征更新问题,无法实现对目标的长时间跟踪。论文提出了卡尔曼滤波、局部目标检测和Mean-Shift有机结合的目标自适应跟踪方法,能有效的解决跟踪窗自适应和跟踪目标的特征更新问题,并有较强的抗遮挡的能力,提高跟踪的稳健性。并通过跟踪实验对比验证了算法的有效性。

基于快速移动的红外小目标实时检测跟踪方法

针对运动背景下红外小目标跟踪时精度不高、实时性差的问题,提出了基于数学形态学检测与自适应跟踪窗的方法 .首先,采用了帧差法作为基本基础,通过缓存目标图像建立目标模型,计算目标模型与当前帧差目标二值图像的相似度,根据结果确定筛选方法检测目标;其次,根据目标在上一帧中的位置,通过速度特征自适应调整搜索的范围,解决了因目标穿越运动背景导致目标丢失的问题;最后,通过采集不同情况下的目标红外图像,对运动背景下的小目标进行了检测与跟踪.仿真结果表明,该文提出的算法能够有效检测运动背景下的小目标,具有较高的实时处理能力和准确性.

基于轮廓的机器人跟踪系统设计研究

提出了一种基于轮廓特征完成目标的描述、依据特征实现匹配以驱动机器人完成目标跟踪的设计方法,主要围绕目标跟踪和场景更新匹配两方面展开研究:采集处理目标的颜色纹理、轮廓、几何结构等特征信息,并加入适应滑动窗跟踪算法确保目标物体始终位于监控窗口中心以实现目标跟踪;引入边缘上下检测和树形几何结构不变性可以更好的适应场景的动态更新。

基于自适应核窗宽的红外目标跟踪算法

针对传统均值漂移算法无法对对比度低、尺度变化的红外目标进行有效跟踪的问题,提出一种改进MeanShift算法.首先融合灰度和纹理两方面的信息,并分别定义背景灰度和纹理加权系数,实现了目标的准确定位;然后,提出一种基于背景和前景目标相似度的核窗宽选取算法,自动选取窗口缩放比例,得到与目标尺度一致的跟踪窗口.实验结果表明,所提出的算法能够实现对红外目标的跟踪,并且对尺度变化的目标具有较好的适应性.

一种提高足球机器人性能的新型视觉算法

在机器人足球比赛中,要识别的目标颜色越来越多,易出现识别错误。为了解决机器人足球比赛色标识别困难,介绍了一种新的视觉系统设计方法,提出了一种按假想机器人尺寸避免碰撞的方法,对机器人只需识别队标,既减少要识别的颜色样本,又增加了目标跟踪的准确性。该文论述了设计的各个环节。试验表明,设计方法合理有效,鲁棒性好。

一种基于矢量投影的短时冲突告警算法

在旧有算法的基础上提出一种基于矢量投影的告警算法，该算法利用相对运动的矢量投影，有效地解决了当两架飞机加速运动时的冲突告警问题。并在算法的实用性上进行了探讨。