基于改进的均值漂移算法的非刚性目标跟踪

针对现有的均值漂移算法不能适应非刚性目标的复杂运动情况,本文首先利用基于边缘的背景减方法去除背景干扰;然后利用GVF Snake技术提取出目标轮廓,结合目标轮廓改进了传统的颜色直方图;最后基于该颜色直方图结合卡尔曼滤波器或粒子滤波器改进了传统的均值漂移算法。实验表明,该算法可以实现快速的非刚性目标跟踪,对目标的不规则运动和严重遮挡有很好的鲁棒性。

基于Mean Shift和自适应预测的非刚性目标跟踪算法

传统Mean Shift跟踪算法在目标发生机动或存在遮挡的情况下跟踪效果不理想.对此,结合目标的形状特征和颜色的可区分度对传统的颜色直方图进行改进,给出了将Mean Shift和卡尔曼滤波器或粒子滤波器相结合的目标运动自适应跟踪算法,并针对粒子滤波器计算量大的问题,给出了运用两种不同运动模式粒子进行有效预测的方法.结果表明,该算法可实现快速的非刚性目标跟踪,对目标的不规则运动和严重遮挡具有很好的鲁棒性.

一种非刚性运动目标图像跟踪的改进算法

针对玉米秸秆粉碎后抛撒运动的特点,提出一种改进的变形模板跟踪算法实现非刚性目标的运动跟踪,在两个方面对原有的算法进行了改进:1)选择适当的预测方法,减少遮挡物体对研究目标的影响。2)通过选择适当的特征区域把运动目标限制在局部区域,而不是对整帧图像进行处理。试验证明了该算法在目标跟踪的实现效率、精确性方面有一定的优势。

短程线主动轮廓跟踪算法的研究——在复杂背景和非刚性运动目标跟踪中的应用

在复杂背景下对多个非刚性目标进行跟踪是计算机视觉中的一个难点 在短程线主动轮廓模型的基础上 ,利用力场正则化方法 ,并加入运动边缘信息 ,提出了一种在复杂背景下多个非刚性目标进行跟踪的方法 该方法由运动检测和跟踪两部分组成 :运动检测利用运动边缘信息对运动目标的运动做出检测 ,让轮廓曲线运动到目标轮廓附近 ;跟踪利用当前帧中的静态边缘信息对运动检测的结果加以修正 而跟踪这一步引入的偏差将在下一帧的运动检测中得到修正

基于Mean Shift算法非刚体跟踪的性能分析

介绍一种通过目标特征提取和定位实现的自下而上的运动物体跟踪方法,并通过实验对其性能进行分析和研究。该方法首先对某帧图像中的目标对象进行核函数空域加权的像素直方图特征提取。将目标对象的定位问题等价变换为在空域中求最优解的问题。通过Mean Shift算法在空域对相似程度求最优解,找到与目标对象模式最相似的搜索对象模式,从而完成目标对象的定位。在此通过仿真实验对Mean Shift算法在非刚性目标跟踪应用上的适用性、鲁棒性以及实时性进行分析和研究。最后还提出一些对该方法的改进算法。

Motion Geometric Active Contours: Tracking Nonrigid Objects in Clutter Background

MGAC (Motion Geometric Active Contours), a new variational framework of geometric active contours to track multiple nonrigid moving objects in the clutter background in image sequences is presented. This framework, incorporating with the motion edge information, consists of motion detection and tracking stages. At the motion detection stage, the motion edge map provides an approximate edge map of the moving objects. Then, a tracking stage, merely using the static edge information, is considered to improve the motion detection result. Force field regularization method is used to extend the capture range of the edge attraction force field in both stages. Experiments demonstrate that the proposed framework is valid for tracking multiple nonrigid objects in the clutter background.