模糊技术与神经网络的混合算法在运动目标的识别与跟踪中的应用

图象跟踪是运动图象处理中的关键环节，但是如何在强噪声下实现快速有效的图象跟踪却一直是难点。该文提出了一种模糊技术与神经网络结合的算法，它充分吸收了模糊算法与神经网络的优点，在近距离目标下以神经网络识别的静态可能性为主，而在远距离目标时以模糊算法识别的动态可能性为主，使其不仅在目标近即大时有很高的识别率，而且更令人鼓舞的是在目标远即几乎为点目标时也有很高的识别率。另外，该文还提出了计算各个目标优先级的算法。最后，以红外序列图象为例表明该文提出的算法的高识别率。

基于三维激光点云的序列运动图像点目标快速跟踪方法

由于现有方法未充分考虑小目标和遮挡目标检测的问题,导致目标跟踪效果不佳,由此针对点目标跟踪较为困难的问题,提出基于三维激光点云的序列运动图像点目标快速跟踪方法。首先下采样序列运动图像三维激光点云并去除其中的地面数据,通过动态阈值改进欧式聚类方法,分割图像为目标和背景,然后改进SECOND算法,在目标检测阶段融入自适应空间特征融合模块和二维卷积神经网络,同时采用3D DIoU替代Smooth L1作为损失函数,提升SECOND算法的目标检测性能,最后在激光雷达坐标系中构建各点目标的三维中心,利用3D卡尔曼滤波器连续跟踪目标,以交并比和欧式距离为度量标准,通过贪婪算法匹配最近邻目标,实现序列运动图像点目标快速跟踪。实验结果表明,所提方法IoU值更高,可达到0.971,且对目标的跟踪更理想。

基于YOLO目标检测算法的人群多目标识别跟踪方法

目前对人群跟踪方法主要是建立跟踪模型,实现人群群体检查和跟踪,但是无法实现人群中多行人的识别和个体跟踪,造成人群跟踪与多目标识别存在效率低下和不准确。本文提出基于YOLO目标检测算法的人群多目标识别跟踪方法,通过对人群多目标的可见特征提取人群的行人轨迹和外观特征,实现人群多目标识别的跟踪。实验结果表明,该方法提高了人群多目标的识别效率,具有一定的实用性。

联合判别性外观和运动线索的行人多目标跟踪

在多目标跟踪任务中,外界噪声的干扰会导致传统方法的系统建模不可靠,从而降低目标位置预测的准确性;而密集人群引起的拥挤和遮挡问题则会严重影响目标外观的可靠性,导致错误的身份关联.为了解决这些问题,本文提出一种多目标跟踪算法Ecsort.该算法在传统运动预测的基础上,引入噪声补偿模块,降低噪声干扰引起的误差,提高位置预测的准确性.其次,引入特征相似度匹配模块,通过学习目标的判别性外观特征,并结合运动线索和判别性外观特征的优势,从而实现精确的身份关联.通过在多目标跟踪基准数据集上进行的大量实验结果表明,与基线模型相比,该方法在MOT17测试集上的IDF1 (ID F1 score)、HOTA (higher order tracking accuracy)、AssA(association accuracy)、DetA (detection accuracy)分别提高了1.1%、0.5%、0.6%、0.3%,在MOT20测试集上的IDF1、HOTA、AssA、DetA分别提高了2.3%、1.9%、3.4%、0.2%.

自适应观测识别的多目标分类跟踪算法

在现实多目标跟踪任务中,概率假设密度滤波器性能受杂波干扰明显,较大程度地制约目标跟踪的精度和效率。针对这一问题,在概率假设密度滤波框架下提出一种自适应观测识别的多目标分类跟踪算法。首先,依据各个目标的重要程度,自适应观测识别策略采用自适应门限从各时间步观测中识别源于已存在目标的观测、新出现目标的观测和杂波。然后,目标分类更新策略使用不同目标观测分类更新已存在目标的预测强度和新出现目标的先验强度,消弱了不同类目标观测混用对目标后验强度精度的干扰。仿真目标场景验证了该算法的有效性和稳健性。

流形群运动目标自动识别与跟踪技术研究——以MCS自动追踪方法为例

从流形群运运目标的形状特征及其本质属性出发 ,提出了多种适合计算机自动识别与跟踪流形群运运目标的匹配模板的构建技术。充分顾及流形群运动目标的区域整体描述、几何形状特征、不变矩特性 ,以及流形群目标的本质属性 (纹理特征 ) ,通过最大欧几里得贴近度的择近原则 ,实现模板匹配 ,完成目标识别 ;通过交替更新匹配模板元素参量及交叉匹配算法 ,实现目标跟踪。应用这种算法 ,对 1 998年 6月至 8月的青藏高原上空中尺度对流系统 (MCS)进行了识别与跟踪实验。实验结果表明 ,这种技术较适合计算机自动识别和跟踪类似MCS的流形群运动目标 ,与专家目测屏幕扫描跟踪法相比 ,准确率达 90 %。同Arnaud等人提出的面积重叠跟踪法相比 。

运动目标图像识别与跟踪系统的研究

研究了在简单背景下实现对运动目标的识别与跟踪, 给出了目标跟踪的原理图和结构框图。整个系统主要由图像采集模块、图像信号处理单元、监视器和伺服机构组成, 重点论述了图像信号处理单元的实现过程和算法分析, 包括图像预处理, 图像分割, 特征提取, 目标识别与跟踪算法, 充分考虑系统的实时性, 稳定性。实验结果表明, 该系统能在简单场景下对运动目标进行实时跟踪, 达到预想效果。

基于图像特征的运动目标识别与伺服跟踪

本文研究了一种在室内相对复杂背景下机器人的运动目标识别与跟踪方法。基于Intel的计算机视觉库OpenCV进行图像处理与特征提取,采用图像的区域特征———图像矩作为特征信息,在有干扰的情况下,实现运动目标的形状识别和基于特征的视觉伺服跟踪控制。为提高系统性能,建立曲线拟合模型来预测运动目标的动态趋势和特征。实验结果表明,系统在不需要摄像机精确标定、背景有干扰的情况下,能够实现对运动目标进行实时稳定快速的识别和跟踪。

电视经纬仪跟踪测量中运动目标快速识别定位算法

为解决电视经纬仪跟踪测量系统中对运动目标快速识别定位的要求 ,在深入分析运动目标特性和电视经纬仪跟踪测量系统特点的基础上 ,利用经纬仪角度变化信息 ,对运动目标图像序列进行帧间差值计算以获得目标残差图 ,并基于残差图提出了一种新型的运动目标快速识别方法 ,大大减少了运算量 结合中值滤波和图像二值化 ,实现了运动目标的快速定位 通过对目标实测图像序列的实验 ,结果证明 :该算法具有快速、稳定、有效等优点 。

基于BDWT的运动目标识别及Mexico小波核mean shift跟踪算法(英文)

提出了一种应用于智能交通监控系统的运动目标识别和跟踪方法。针对帧间差分提取运动目标的缺陷与不足,提出了一种基于二进小波变换的运动目标识别算法,即直接在二进小波变换域提取运动区域,从而检测出运动目标。对于检测出来的运动目标,对mean-shift跟踪算法进行了改进,采用以Mexico小波核函数自适应mean-shift算法对目标进行跟踪。实验结果表明,提出的算法可以有效地提取运动目标,即使目标与背景具有较高的相似度,也可以较准确的提取出前景运动信息,效果要好于传统的帧差法;跟踪目标准确度高,不受目标大小变化的影响。本算法具较高的实用价值和应用前景。

运动目标识别与跟踪仿真系统的基本技术问题

分析了运动目标识别与跟踪仿真系统的概念、组成及基本技术问题,并指出电视成像仿真是系统的关键。为提高电视成像仿真的数值模拟逼真度,必须在OpenGL、OSG等三维场景建模软件中考虑太阳光、天空环境光对目标亮度的作用,电视光学系统的离焦、长距离的大气传输过程中湍流对电视上目标成像的影响也不可忽略。对电视图像处理延迟对跟踪过程的影响提出了仿真方法,这些内容对研究运动目标跟踪系统是有益的。

红外成像运动目标识别与跟踪方法研究

针对运动目标红外成像噪声大的特点，给出了一个用于红外序列图像模式识别与跟踪的设计方法。其中重点介绍了用复合方法去除图像中的红外噪声，以及根据飞行目标的运动特性，给出了抽取平移不变性和旋转不变性模式特征的方法。

图像单个运动目标识别与跟踪的一种解决方案

就图像单个运动目标识别和跟踪问题提出了一种解决方案。在图像分割部分,提出了基于数学形态学中流域分割的实现方法,依据单运动目标的特征通过合并过渡分割区域算法较好地解决了过度分割的现象,实现无需人工设置任何阈值,全智能化图像分割;在目标提取部分,提出了一种在连续多帧图像中自动提取单运动目标的方法,能适应摄像头固定和摄像头随运动目标移动等各种情况;在目标跟踪部分,对进行匹配的模板设置掩码,并自动进行调整,使得对运动目标的跟踪更为鲁棒。

双目轮式移动机器人的运动目标识别与跟踪

研究在室内相对复杂背景下的运动目标识别与跟踪,采用Hu氏不变矩作为目标特征,通过环形方式搜索种子点进行目标区域生长,在有干扰的情况下检出目标,并估计相对位姿和控制本体机器人快速跟踪目标.用Intel的计算机视觉库OpenCV实现图像预处理,图像分割,孔洞填充,区域生长和特征提取.实验结果表明,系统能对运动目标进行实时稳定快速的跟踪,适用性强.

一种新型的运动目标识别与跟踪算法研究

提出了一种应用于智能交通监控系统的运动目标识别和跟踪方法.针对帧间差分提取运动目标的缺陷与不足,提出了一种基于冗余小波变换的运动目标识别算法,即直接在冗余小波变换域提取运动区域,从而检测出运动目标.对于检测出来的运动目标,本文对mean-shift算法进行了改进,采用自适应mean-shift算法,对目标进行跟踪.实验结果表明,本文提出的算法可以有效地提取运动目标,即使目标与背景具有较高的相似度,也可以较准确地提取出前景运动信息,效果要好于传统的帧差法;跟踪目标准确度高,不受目标大小变化的影响.本算法具较高的实用价值和应用前景.

基于高速DSP的实时运动目标识别跟踪系统

研究了实时视频采集和高速目标识别检测、跟踪系统模型 ,分析了功能状态。在对检测、跟踪系统任务流和算法分析的基础上研究了基于高速DSP、大规模可编程器件和高速PCI通信总线架构的可行性系统实现方案。该系统采用复用总线设计 ,提高了系统资源利用率和系统可靠性。实验结果表明 ,该系统具有实时监测场景和在复杂背景下实时检测识别和跟踪运动目标的能力。

红外运动目标图像的识别与跟踪技术研究

文中实现了基于红外扫描图像的运动物体自动识别跟踪系统.选择了Butterworth滤波和中值滤波结合的方法对图像进行预处理,基于多帧图像的局部能量的分割算法来实现图像背景的分割,并采用卡尔曼跟踪算法和目标方位确定算法相结合完成对红外小目标的跟踪.在VC++中使用GDI来建立雷达扫描式的极坐标系,将目标运动轨迹在坐标系中显示出模拟轨迹.

流形群运动目标自动识别与跟踪模型结构及参数的最优配置

探讨了用流形群运动目标的形状、纹理特征 ,以及它们的空间面积的重叠度来构建多种适合流形群运动目标自动识别与跟踪的匹配模板的方法。通过最大欧几里得贴近度的择近原则 ,实现模板匹配 ,完成目标识别 ;通过对匹配模板的交替更新和交叉匹配算法 ,实现目标跟踪。为了提高识别与跟踪的准确度和效率 ,对识别与跟踪模型结构及参数进行了优化组合 ,建立了一种适合计算机自动识别和跟踪类似中尺度对流系统(MCSs)的流形群运动目标的优化模型 ,即多级串行和多级并行模板匹配的识别与跟踪模型 ,并提出了基于此模型的快速识别与跟踪算法及技巧。用优化了的多级串行识别与跟踪模型及快速跟踪算法 ,对 1998、1999、2 0 0 0、2 0 0 2年 6～ 8月的青藏高原上空MCSs进行了识别与跟踪试验。试验结果表明 ,其准确率高达 90 %。

微弱运动目标的检测与跟踪识别算法研究

在运动目标检测问题的研究中,针对图像处理中微弱运动目标检测与跟踪识别技术的特点,在简单分析了微弱运动目标检测跟踪的技术难点的基础上,重点对微弱运动目标的检测与跟踪算法展开了研究,为了对弱信号提高检测精度,采用图像预处理、目标特征的选取和目标跟踪三个步骤设计,对微弱运动目标在强噪声背景下的图像检测与跟踪识别算法,用给出具体的改进算法,通过仿真测试结果表明,算法具有较好的目标识别与检测效果,对于进一步提高微弱运行目标的图像检测的研究水平具有一定的借鉴意义。

基于光学相关的运动目标跟踪识别技术研究

为了提高系统的识别精度和抗噪性能,在相关处理的基础上,针对相关峰采用了图像流来判断其运动特性,进而通过管道滤波的方法区分噪声和相关峰,进行了理论分析和实验验证,取得了系统对运动目标的识别数据。结果表明,该方法利用序列图像中目标运动的连续性和轨迹的一致性的特性,大大提高了识别精度和抗噪性能。这一结果对运动目标跟踪识别是有帮助的。