基于视频的运动目标检测跟踪模型的应用研究

本文采用了一种运动目标存在情况下的背景重建算法,能较好地抑制外界环境变化带来的影响。该运动目标检测算法通过一定数量帧的学习、统计,找到各坐标点像素灰度等级的分割阈值。在对当前帧图像进行背景差分后,分割出运动目标区域。若存在运动目标,则根据串行边界跟踪算法获得运动目标轮廓。获得边界后,模型将绘制方框显示运动物体,并发出警报。该运动目标检测模型用Visual C++给予实现。

基于NIOSII的运动目标检测跟踪系统

提出采用高性能芯片EP2S90为核心,结合NIOSII软核处理器的高处理性能,实现视频信号采集与处理的运动目标检测跟踪,提高了系统的实时性,减小了系统的结构,拓展了系统的使用范围。最后,结合目标检测算法对图像序列进行了仿真实验,实验测试结果说明利用该系统能够获得比较理想的目标检测跟踪结果。

移动机器人的运动目标实时检测与跟踪

运动目标检测及跟踪是机器视觉领域备受关注的前沿课题之一。该文针对移动机器人导航领域对检测与跟踪的实时性要求,基于Kalman滤波器实现了驱动单目摄像头的反馈控制系统。采用简单的三帧差背景剪除策略检测运动目标,合并运动估计和背景补偿以加快系统反应速度。系统误差保存在协方差阵中,以增益的形式参与控制。该文还详细分析了运动补偿对检测的影响及误差的变化趋势。实验表明,系统能够保持对运动目标稳定偏差的平滑跟踪,在480320的图像分辨率下控制速度达到20Hz(fps)。

一种实用的运动目标检测和跟踪算法

为使智能视频监控系统在监控时不仅具有较高的准确率,同时也保证系统的实时性,设计并实现了一种实用的在摄像机静止条件下运动目标检测和跟踪算法。首先对采集到的视频图像进行预处理,为算法提供最佳的图像数据,然后用混合高斯背景建模方法实现前景/背景分割,用形态学操作提取前景目标,最后用基于空间距离的方法实现目标跟踪。算法应用到实验系统,实验表明,系统在保证实时性的同时,能够正确检测和跟踪监控场景中的运动目标。

基于卡尔曼滤波器的运动目标检测与跟踪

针对摄像机静止的情况,提出了一种可运用于实时监控中的运动目标检测与跟踪的方法．采用更新函数实现背景实时更新,通过差分算法检测运动目标．在跟踪模块中,提出建立帧间目标“关系矩阵”实现多个运动目标匹配,并采用卡尔曼滤波器预测目标参数,在运动目标相互遮挡的情况下,根据预测参数跟踪目标,获得目标轨迹．通过多个图像序列测试,算法具有良好的实时性和适应环境变化的能力．

基于激光雷达的移动机器人运动目标检测与跟踪

运动目标的检测与跟踪是移动机器人研究的难点问题之一.基于2维激光雷达的性能分析与滤波设计的基础上,提出一种自主运动目标检测与跟踪的方法.通过k-近邻对激光雷达扫描的障碍进行聚类分析;基于栅格地图匹配的方法评估障碍的运动参数;检测出运动目标后,通过对机器人进行运动补偿,提出一种改进的粒子滤波算法对目标的运动状态进行评估.最后,利用自行研制的移动机器人进行算法评估,实验结果验证了所提方法的有效性.

基于RGB颜色空间的矿井运动目标检测及跟踪方法

在研究灰度平面帧差法的基础上,提出了一种基于RGB颜色空间色变帧差法的运动目标检测方法,算法对彩色视频帧在RGB 3个平面上分别进行相邻两帧帧差计算,比较每个像素点RGB 3个平面像素值的变化是否同向并分别进行叠加计算,所得帧差图像中的运动目标图像更清晰、噪点更突出,使前景图像与背景图像更容易分离,后续的二值化、滤波、填充及膨胀腐蚀等形态学处理更加容易。在Labview软件平台上,采用上述算法与Camshift算法联合实现了对矿井运动目标的检测和跟踪。现场测试结果表明:该联合算法可以完成对矿井运动目标的实时、准确检测与跟踪,还可与矿井现有安全生产监测监控系统实现联动,可最大限度地确保矿井生产安全。

基于TMS320DM642的实时运动目标检测与跟踪系统

CAMShift算法凭借其良好的实时性和鲁棒性而计算量小,在目标跟踪邻域占有重要地位;而单纯的CAMShift是一种需要人预先对目标进行识别和判断以获得目标颜色模式的半自动跟踪器;文章采取帧差法和CAMShift算法相结合的方法,设计了一种自动的运动目标检测与跟踪系统;该系统首先用时间连续的三帧双差分对运动目标的识别和提取,自动地选取搜索窗;再通过CAMShift算法计算目标的精确位置并调整搜索窗口大小;最后通过串口发送云台控制信息,驱动云台运动使目标始终保持在视场之内;在以DM642为核心的硬件平台上,实现了系统的软件算法;实验表明在对比度较高时,无人为干预的情况下,系统能有效、实时地跟踪目标。

人体运动目标检测与跟踪系统设计及算法仿真实现

在人体运动目标检测部分,根据室内监控的特点,提出了先采用统计平均法获取室内背景,然后选用背景减除法对运动目标进行检测,接着利用改进的区域增长法对属于同一目标的像素区域进行合并,判断并提取人体目标。在人体跟踪部分,使用卡尔曼滤波器预测目标参数,再根据预测参数跟踪人体目标,得到行人的运动轨迹。利用Matlab/Simulink对整个系统进行建模仿真,并不断修正算法的参数。通过室内实际采集的几个视频序列进行试验,该算法能够正确地检测并且跟踪运动的人体。

光电成像制导中地面运动目标检测与跟踪

地面运动目标的自动检测与跟踪是对地精确打击光电成像制导中的核心任务。针对地面运动目标自动检测问题,提出了由粗到精的迭代全局运动补偿算法以补偿动平台引起的背景图像像素位移,基于变化能量测度的独立运动目标检测算法以及基于三帧序列图像的运动目标定位算法。针对地面运动目标跟踪问题,提出了融合运动特征和灰度直方图特征的粒子滤波器目标跟踪算法,实现可靠、稳定跟踪地面运动目标。利用实际航拍视频进行算法验证实验,比较了基于傅里叶-梅林变换(Fourier-Mellin transform,FMT)、Kanade-Lucas-Tomasi(KLT)特征跟踪、Harris角点和迭代全局运动补偿算法,验证了基于变化能量测度的独立运动目标检测算法和融合多特征的粒子滤波器跟踪算法的有效性。

图像处理技术在运动目标跟踪检测中的应用

视觉坐标测量系统中 ,被测目标和探测器之间常常存在相对运动 ,造成光电探测器采集的图像模糊 .本文从空间频率的角度分析了图像模糊及复原对图像测量系统的影响 .图像测量系统传递函数分为 :光学成像系统、图像因匀速运动而导致的图像模糊、模糊图像恢复和光电探测器的图像离散化等几部分来考虑 .认为系统总体传递函数是这几部分影响的综合结果 。

基于SOPC的视频运动目标检测跟踪系统

文章是以Nios II处理器为中心的视频运动目标检测跟踪系统,通过CMOS图像传感器采集视频图像信息,采用帧间差分法检测运动目标,形心跟踪算法对目标进行跟踪,最后在VGA显示器上显示视频中运动物体。实验结果表明,该系统可达到运动目标检测跟踪的理想结果。

基于摄像机运动控制的运动目标检测与跟踪算法

文章提出了一种基于摄像机运动控制的运动目标的检测与跟踪算法。该算法首先提出预设多幅参考背景图像差分方法检测运动目标区域;然后采用投影法快速确定运动目标体的位置及移动方向,进而控制摄像机转动预设角度跟踪移动目标。该方法实现了将运动目标跟踪置于画面的最佳观测位置,针对大多数摄像机位置固定的场所该方法较为适用,具有较大的广泛适用性。

视频序列中的运动目标检测与跟踪

提出一种视频序列中的运动目标检测跟踪算法。该方法采用直方图统计与多帧平均混合作为动态背景更新法,经过噪音消除、形态学处理、阴影处理后,用区域标记法提取目标。利用目标特征参数建立目标数组,通过当前帧目标数组和前一帧目标数组距离匹配实现运动目标的快速跟踪。该方法与传统方法相比具有更好的学习能力,从而有效地提高了运动目标检测的正确率和快速性。实验结果表明该方法具有良好的鲁棒性和自适应性。

DirectShow框架下实时运动目标检测与跟踪方法的研究与应用

面向智能视频监控系统的应用背景,为找到一种便于实施和推广的智能视频监控系统模型,提出了一种在DirectShow框架下进行实时运动目标检测与跟踪的方法.首先针对室内监控场景的特点给出了一种实时性优先的运动目标检测与跟踪方法,然后结合DirectShow技术的特点对该方法进行封装和改进,在两者"相得益彰"的情况下设计并实现了具有实时运动检测功能的Filter组件,并在此基础上构建了一种"先检测后压缩传输"的智能视频监控系统,最后给出了系统的实际测试效果并验证了这种"DirectShow+运动检测"的设计方法在智能监控方面的优越性.

基于整数DCT的运动目标检测与跟踪

本文提出了一种静止摄像机条件下的运动目标检测与跟踪算法。它建立在一种整数DCT算法的基础上,通过低通滤波进行背景提取,并用背景减除的方法分割出前景目标,再通过模板匹配实现对运动目标的连续跟踪。在对运动目标跟踪时,该算法对背景模型进行不断的更新,可以有效的消除背景的轻度变化对目标检测的影响,再加上又同时采用了一系列滤波和模板匹配,增强了目标跟踪的稳定性和可靠性。通过对多个图像序列的实验,该算法显示出了良好的性能,对于不确定的外部因素,如光照变化、阴影等造成的干扰,均具有相当强的适应能力。

基于运动平台的运动目标检测与跟踪

为了实现大视场智能监控,本文提出了一种基于运动平台的运动目标检测与跟踪方法.在相邻帧之间通过块匹配进行运动补偿,采用三帧差分法分割出运动目标.当运动目标正常运动时跟踪其形心;当运动目标被遮档时,根据卡尔曼滤波器预测的形心跟踪目标.其中,对于块匹配,采用边缘点作为匹配块的中心点并根据摄像机的运动方向确定搜索范围,使处理速度提高了38.6%.另外,比较得出最小二乘法对运动目标运动状态突然改变时拟合效果差,因此采用卡尔曼滤波器进行预测.实验证明,本算法适应环境变化的能力强,而且平均每秒处理37.6帧,达到实时处理要求.

基于状态分割的运动目标实时跟踪

针对基于云台的移动式摄像头视频监控系统,为准确、实时地对运动目标实施检测、跟踪,提出了一种基于状态分割思想的运动目标实时跟踪方法。该方法将运动目标检测跟踪过程按摄像头的运动状态分为静止、运动2个阶段。在摄像头静止阶段,采用基于混合高斯模型的背景差法检测运动目标,提取目标的颜色特征信息;在摄像头运动阶段,采用Camshift算法对运动目标进行跟踪。开发了基于OpenCV开源库的算法程序。实验结果表明,在目标颜色特征显著的情况下,该方法实现了移动式摄像头对运动目标的精确跟踪,并具有较好的鲁棒性和实时性。

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。

视频帧内运动目标复制-粘贴篡改检测算法

提出了一种基于Lucas_Kanade(LK)光流及运动目标预检机制的视频帧内运动目标复制-粘贴篡改检测算法.该算法分为运动目标检测与跟踪、运动序列筛选和空间域匹配3个阶段.运动目标检测与跟踪利用背景建模算法和卡尔曼滤波器进行检测和跟踪;运动序列的筛选采用LK方法得到各运动序列的光流值,并计算其相关性来选择可能存在篡改的视频帧序列;空间域匹配利用尺度不变特征变换算法对上一阶段得到的对应运动序列逐帧进行匹配,过滤正常的视频序列.实验结果表明,本文算法能有效检测同源视频中针对运动目标的多帧复制-粘贴篡改.