红外激光技术在运动物体位置跟踪系统中的应用

运动物体位置跟踪系统可用工作在红外波段的激光 ,测量“调制光波”往返于被测距离上相位差的方法来测定距离。利用 DSP鉴相技术 ,通过快速傅立叶变换软件可快速实时测量运动物体的距离及其运行速度。该系统能极其准确地显示运动物体的实际位置 ,实现对运动物体速度的数字化控制。

机载视频影像运动目标检测与跟踪技术

针对运动物体的检测和追踪,目前已有多种技术手段,但大多是针对静态场景下的运动物体进行探测和追踪。这是由于在静态环境中运动目标较易于探测和追踪;而在移动环境中,物体的识别和追踪是比较困难的,尤其是在无人机上,由于其图像的纹理特性和快速的变化,使得运动对象的识别和追踪成为一个很大的难题。目标检测与追踪技术分为三大类:图像预处理、目标检测和运动追踪。本文对无人机机载视频影像运动目标检测与跟踪技术进行了分析和探讨。1机载视频影像概述视频影像又叫动象,是对静止象的一种扩充,相对于静止象,动象的最大特征是其灰度的改变,从而能反应出运动讯号。

用图像处理技术实现多运动物体的识别

1引言 CCD及数字图像处理技术已广泛应用于光学问题的研究[1][2][3][4].目前处理静态图像的技术已十分成熟,并已经商品化.随着计算机存储功能的不断增强,数字图像处理技术可以实时存储越来越多的视频图像,这为实时采集运动物体信息提供了一种方便有效方法:先将整幅的视频图像转换为数字图像,储存在计算机内存及硬盘中,再对数字图像进行处理,就可以确定运动的目标物在各个视频图像中的位置,并能够实现多目标物的识别,从而得到他们各自的运动规律.

基于ROS平台的运动物体跟踪识别系统的研究

物体跟踪识别是机器视觉领域中的一个比较重要的部分,可以应用在自动驾驶、军事等各个领域。本文结合时下应用较广的ROS移动机器人开源平台,利用OpenCV库对图像集进行处理,使用图像的斑点特征进行灰度值对比,实现对运动物体跟踪识别的功能。通过在真实环境中测试,系统可以满足大部分情况下移动机器人的运动物体跟踪识别。

基于HALCON的轻量级物体识别方法

实时的运动检测和跟踪技术是一项融入图像处理、计算机视觉、网络传输等多学科的技术,在生物医学、工业自动化生产、智能机器人等多个领域都有着非常广泛的应用。所谓实时的运动检测与跟踪技术就是将实时采集的图像信息进行检测,提取有用信息,识别目标参数特征,过滤噪声并锁定目标[1],而实现运动物体的检测和跟踪依赖于对物体的识别,所以利用机器视觉技术对目标进行快速自动地识别别成为了关键。但现在大多数运动检测系统基于PC机等大型且计算能力较强的设备,基于卷积神经网络(CNN)的机器学习算法已经在很多领域中进行了探索和应用[2]。

基于视频处理技术的运动轨迹实时跟踪研究

针对当前运动轨迹跟踪的实时性差、跟踪准确性低等难题,以提高运动轨迹跟踪整体性能为目标,提出基于视频处理技术的运动轨迹实时跟踪方法。首先对视频序列图像进行预处理,包括图像灰度化、图像滤波以及图像增强等;然后利用改进的背景差分法进行运动目标识别与检测;最后利用卡尔曼滤波法进行运动目标特征匹配,实现目标运动轨迹实时跟踪。结果表明,该方法运动目标检测准确性高,且运动轨迹跟踪误差小,证明了方法的有效性,具有很好的应用价值。

眼球跟踪:身份识别新技术

每个人的眼球运动都拥有一种独特的方式。一种新的生物特征安全系统利用它开发出了一种简单、难以造假的身份鉴别方法。

运动目标的检测技术研究

在图像跟踪系统中 ,图像目标的快速检测识别是至关重要的。基于目标的形状特性以及目标与背景的关系 ,提出了目标的四个特征量。结合序列图像中目标的运动特点 ,给出了一个目标快速识别的方案。以两类飞机为研究对象 ,对所求得的四种特征量值进行了详细的分析 ,并将所提出的识别方案在计算机上进行了模拟仿真。实验结果表明 ,该方法能有效地实现运动目标的快速检测识别 。

用旋滤波与灰度拟合实现序列图像中运动目标跟踪与定位

用旋滤波与灰度拟合实现序列图像中运动目标跟踪与定位张小虎孙祥一于起峰张帆（国防科技大学航天技术系长沙４１００７３）在运动图像分析中，需要处理大量的序列图像，因此要求有很快的处理速度；同时由于图像空间对物体空间误差的放大作用，要求有很高的目标定位精度。...

浅谈人体运动视觉分析技术的应用

人体运动分析在高级人机交互、安全监控、视频会议、医疗诊断及基于内容的图像存储与检索等方面具有广泛的应用前景和潜在的经济价值,从而激发了世界上广大科研工作者及相关商家的浓厚兴趣,尤其在美国、英国等国家已经开展了大量相关项目的研究,人体运动跟踪技术目前的研究主要集中在人的脸像识别、步态识别或特定行为的识别,尽管当前的研究已取得了一定的进展,但是依然处于初级阶段,需要不断地提出新的方法以推广此项技术在各方面的应用。

射频识别技术大有可为

由于RFID标签具有非接触识别、可识别高速运动物体、数据的记忆容量大、快速自动扫描、抗恶劣环境、安全保密性强、耐久性强、可同时识别多个识别对象等突出特点，因而被广泛应用于信息管理领域。

射频识别技术及产业发展现状研究

一、射频识别技术 射频识别技术（Radio Frequency Identification，RFID），是一种非接触式的自动识别技术，它通过射频信号自动识别目标对象并获取相关数据，无须人工干预。RFID技术具有防水、防磁、耐高温、使用寿命长、读取距离大、标签上数据可以加密、存储数据容量大、存储信息更改自如等优点，且可识别高速运动物体并可同时识别多个标签，操作快捷方便，可工作于各种恶劣环境。

一种基于改进的BP神经网络和帧差技术的道路识别技术

针对传统的道路检测方法存在流程繁杂,容易被干扰,检测效果不令人满意等问题,本文依据有车辆通过的位置为路这一思想,利用识别运动物体实现识别静态物体的思想,在此基础之上引入改进的神经网络作为分类器,提出一种神经网络和帧差技术相结合的道路位置识别算法.利用改进神经网络的学习能力,提高了道路位置检测的准确率.

针对运动物体的视频检测方法

视频检测技术是交通检测领域的一种新技术，是一种结合视频图像和电脑化模式识别的技术，在路上安装摄像机，通过软件在显示器视频图像的车道上设置虚拟车道检测器，每个虚拟车辆检测器代表一个区域，当车辆通过任何一个虚拟检测器时，就会产生一个检测信号，再经过软件数字化处理得到车型、车流量、车速、车头距离、占有率、车辆排队长度等交通数据。这里从另外一个角度介绍一种针对运动物体的图像处理方法，即通过图像灰度的一种代码变换，比较连续的两副图像，进而检测物体的轮廓及运动方向。

基于运动背景下运动目标的检测与自动跟踪

安全是我们生活中值得保障的。随着科技的发展,摄像头成为了保障我们生命财产安全的一个重要工具。但现在的摄像监控设备存在一些不足,作为传统监控系统的功能扩展和功能互补,我们的作品增加了图像识别、目标跟踪、自动录像、自动复位功能,旨在解决传统监控系统视角固定、拍摄范围有限、不能及时抓拍、不能按需录像等缺陷。在相互配合、相互帮助下我们团队完成了该作品。本作品的亮点在于可以实现在动态背景下对运动物体自动跟踪,而作为对画面的补偿,我们使用了一种可以克服均值偏移算法中初始物体需要手工标记和物体速度快时迭代耗时大的缺点的高级运动跟踪算法——结合Kalman滤波器的Mean.Shift自动跟踪算法。实验结果验证了该算法简单有效,鲁棒性好。

射频识别技术在信息管理中的应用

RFID（射频识别技术）标签具有非接触识别，可识别高速运动物体，数据的记忆容量大，快速自动扫描，抗恶劣环境，安全保密性强、耐久性强、可同时识别多个对象等特点，因而被广泛应用于信息管理领域。

RFID技术在公安交通管理中应用的可行性研究

RFID（RadioFrequencyIdentification，射频识别）是一种非接触式自动识别技术．通过射频信号自动识别目标对象并加载相关信息．不仅识别工作无须人工干预，可应用于各种恶劣环境．而且能够应用干高速运动物体．并可同时识别多个电子标签，具有条形码所不具备的防水、防磁、耐高温、使用寿命长、读取距离远以及数据存储容量大等优点。能够广泛应用于生产、物流、交通、运输．医疗、防伪、跟踪、设备和资产管理等需要收集和处理数据的领域。随着RFID技术的日渐成熟，近年来地方管理部门将该技术应用于车辆管理等业务上的呼声也越来越高。

基于颜色物体移动定位的图像算法研究

引言：在人工智能领域,将图像处理技术应用于颜色识别和定位跟踪具有很强的优势,应用很广,其算法的研究越来越多。本文采用CamShift算法对颜色以及定位跟踪算法进行整合,抗干扰性强,捕捉颜色目标快速、准确,在使用过程中取得较好的效果。