基于Adaboost-CSHG的特定类目标跟踪识别

目标跟踪识别是计算机视觉领域的热点研究对象。首先采用基于Adaboost的目标检测算法,训练得到了特定类目标坦克模型的级联分类器,对图像中的坦克目标完成了"粗检测";通过构建类属超图(CSHG)模型,采取Adaboost与CSHG相结合的方式,有效滤除了大量虚警,实现了对坦克目标的"精检测",同时完成了对目标的跟踪;最后利用基于类属超图的目标识别原理对目标进行识别,实验结果表明该方法在简单背景和复杂背景图像条件下均具有可行性。

基于Adaboost和码本模型的手扶电梯出入口视频监控方法

针对传统视频监控方法无法对密集前景目标进行准确分割的问题,提出一种基于Adaboost和码本模型的多目标视频监控方法。首先,通过训练得到Adaboost人头分类器,利用码本算法为垂直拍摄的手扶电梯出入口图像建立背景模型,提取前景图像对其进行人头检测和跟踪;之后,剔除行人目标得到物件目标,对物件目标进行跟踪;最后,根据行人和物件的运动特征进行监控。对12段出入口视频序列的实验结果表明,监控方法能够准确稳定地跟踪行人和物件,完成逆行检测、客流统计、行人拥堵和物件滞留等监控任务,处理速度达到36帧/秒,目标跟踪准确率达到94%以上,行为监控准确率达到95.8%,满足智能视频监控系统鲁棒性、实时性和准确性的要求。

基于改进Adaboost特征检测的感知哈希跟踪算法

提出基于改进Adaboost特征检测的感知哈希跟踪算法。首先,利用改进后的Adaboost检测分类器对图像特征进行检测,提取符合要求的若干个用于匹配的候选目标。其次,利用感知哈希算法,计算该候选目标的的感知哈希序列。最后,通过汉明距离,判定候选目标与模板的相似度,确定当前帧的跟踪目标。实验表明,所提算法能够大大减少传统感知哈希算法模板搜索及匹配过程中的计算量,同时对于克服目标跟踪过程中出现的漂移问题、目标丢失后重定位和恢复跟踪等问题有益,算法效率高,能够用于长时间的实时跟踪。

基于超像素分割和混合权值AdaBoost运动检测算法

针对长时间目标跟踪检测不准确问题,提出一种结合运动场景的超像素分割与混合权值的Ada Boost多目标检测(ABSP)算法。首先在动态模型中,计算Ada Boost算法的混合权值,检测运动目标,确定搜索区域,提高多目标跟踪检测能力;在训练阶段,采用SLIC分割与Mean-Shift聚类形成超像素图块,构建目标外观模型;在跟踪阶段,结合超像素特征池生成模板直方图与置信图,构建观测模型与运动模型,采用粒子滤波与贝叶斯模型,计算最大后验估计,实现遮挡运动目标检测。结果表明:能够有效处理数目变化多目标检测与遮挡问题,提高了检测的实时性。

Adaboost检测和混合粒子滤波融合的多目标跟踪

针对多目标跟踪时因存在很多不确定性因素,而导致粒子滤波不能有效处理多模式的增长问题,首先,提出一种混合粒子滤波跟踪方法,通过混合权值的计算实现粒子间的相互关联,能有效地保持和处理多模式问题;其次,为了提高算法对数目变化的多目标跟踪处理能力,在混合粒子滤波跟踪算法中,又融入了Ada-boost检测算法,用动态模型和Adaboost检测信息合并成的混合观测模型构造似然函数,实现了一种能学习、检测和跟踪感兴趣目标的跟踪系统;最后,在刚性、非刚性以及数目变化的多目标视频序列中对算法进行测试,结果表明算法对数目变化的多目标能实现有效跟踪.

视频前景区域运动目标姿态识别仿真

由于运动目标容易受到遮挡,导致识别效果不理想,提出视频前景区域运动目标姿态识别方法。采用金字塔变换对视频图像展开采样处理,通过Vibe前景检测算法完成视频的前景检测,同时在检测过程中消除了视频鬼影,提高了目标跟踪精度;采用mean-shift目标跟踪方法在视频前景区域中跟踪运动目标,提取运动目标的姿态特征,将其输入支持向量机决策函数中,完成运动目标的姿态识别。仿真结果表明,所提方法具有较高的跟踪精度和跟踪效率,且姿态识别准确率高。

一种基于双目立体视觉的虚拟轨道列车路径识别方法

为了克服单目视觉的局限性和提高虚拟轨道列车的路径感知能力,文章提出一种基于双目立体视觉的虚拟轨道列车路径识别方法。针对虚拟轨道列车车道块明显、外形完整、形状独特等特点,提出了基于Mask R-CNN的车道检测模型。同时,针对通用的双目匹配算法计算量大和对重复物体匹配较难的缺点,提出了融合多目标跟踪的双目匹配算法。该方法通过左右相机各自检测车道块,进行多目标跟踪来分配ID,对左右图像中的各车道块实现有序、定向的双目匹配,并重建出车辆坐标系下路径的三维坐标,有效提升了车辆系统路径感知能力,为其循迹控制、自主定位、相对位姿估计等提供了更加直接准确的输入信息。试验结果表明,本文方法对路径的三维重建具有较高的准确性,并且在不同路况场景下具有较强的适应性。

基于视觉的渔船监管关键技术研究与系统开发

当前小型渔船监管的信息化水平不高,依赖人工巡查监管存在漏检误检,易导致渔业生产安全隐患。针对此问题,首先,构建了小型渔船的进出港目标识别以及人员安全检查的系列深度学习模型;其次,开发了一套渔船进出港监管系统,实现了渔业生产管理的智能化;最后,将监管系统成功部署,促进了烟台长岛渔业生产监管的智能化。该系统实现了渔船及人员目标检测与轨迹追踪、船牌识别、救生衣穿着检测等功能,并与年审渔船信息以及违禁出海管理等对接,实现对渔船未年审出海、违章载客、未穿救生衣、违禁出海等违规活动的告警。研究工作提高了渔船进出港监管效率,降低了渔业生产的安全隐患。

汽车视觉感知与自主导航设计系统设计

文章提供了一个智能车系统的设计方案,硬件作为基础,软件来实现细节.系统以百度Edgeboard开发板为上位机,英飞凌AURIX TC264为下位机,通过摄像头采集图像,利用FPGA模块实现AI模型部署识别与加速,传输信息之后使用PID算法控制电机速度和PD环节控制舵机打角,实现对车运动速度和方向的闭环控制.整体设计稳定可行,能够模拟真实世界中的交通情况。

基于红外图像处理的移动目标识别跟踪算法

为解决红外热像仪在战场环境多变、背景复杂、目标运动速度过快等情况下难以对目标进行识别与跟踪的问题,本文提出了一种基于红外图像处理的移动目标识别跟踪算法。该算法主要分为移动目标的检测和跟踪两部分。首先采用高斯背景建模方法来提取运动目标,其次应用Kalman滤波来进行运动目标的定位与跟踪,最后通过匈牙利算法来判定目标点的归属。实验结果表明,在MOT基准挑战中的评价指标上,本文算法相比于Sort跟踪器将MOTA提升了1.4%,MT提升了11.9%,ML降低了6.5%,IDs降低了33.3%,FN降低了13.6%,提高了跟踪准确性,成功实现了对多个移动目标的跟踪。本文算法在军事领域具有广泛的应用前景。

应用YOLO v4模型的赛道锥桶检测与识别方法

为快速检测与准确识别赛道锥桶,提出了一种基于YOLO v4模型的赛道锥桶检测与识别方法。首先依据复杂多变的赛道场景采集了多张锥桶图像作为数据集原始数据,在工控机上进行锥桶数据集制作、训练和模型选取;然后搭建基于YOLO v4模型的锥桶检测与识别系统,选择三种较为常见赛道场景进行实车试验。试验结果表明,所提出的方法在不同光照条件下仍能快速检测并准确识别目标锥桶,特别是在锥桶较为密集且多个锥桶目标重叠的场景下,置信度达到0.91以上,具有较强的鲁棒性,且实时检测的平均帧率达到35f/s,能够满足无人驾驶方程式赛车对感知系统准确性和实时性的需求。

MB-LBP特征提取和粒子滤波相结合的运动目标检测与跟踪算法研究

在复杂环境下,由于行人密度大以及运动随机性,导致运动目标(行人)难以检测和跟踪,造成人员计数误差。提出一种MB-LBP(Multi-scale Block Local Binary Pattern)特征提取和粒子滤波相结合的运动目标检测与跟踪算法来解决此问题。该算法首先用AdaBoost提取MB-LBP特征训练生成分类器进行人头检测,并根据人头目标尺寸变化范围去除部分误检,然后用改进的粒子滤波算法预测跟踪多个运动目标,最后对跟踪的运动目标进行计数。实验结果表明,提出的算法能够对复杂环境下多个运动目标进行有效检测及跟踪,准确、快速地对视频帧中的人员进行计数。

针对弹载平台红外小目标的检测与跟踪算法

为了提高对红外小目标检测与跟踪的精度与速度,设计了一种针对红外小目标的单目标检测与跟踪算法,包含一个基于MB_LBP+AdaBoost与管道滤波器的目标检测模块,和一个有跟踪失败监测机制的基于模板匹配的多尺度跟踪模块。经过测试,该算法对边长11~31像素大小的指定类型的红外小目标取得了较好的检测效果,目标跟踪模块对于目标的尺度变化,快速运动,遮挡有较高的鲁棒性,算法中的跟踪失败监测机制在检测到跟踪异常的情况下能重新调用目标检测算法找回目标,经过测试对比,本方法跟踪的精度和速度综合优于主流跟踪算法,并且能够在弹载平台上实时运行。

城市轨道交通智能视频分析关键技术综述

轨道交通是改善城市公共交通状况的有效途径。随着城市轨道交通的快速建设,人们对城市轨道交通的安全问题越来越重视。智能视频分析技术通过对监控视频流的实时分析,对场景中的各种目标进行检测、分类、跟踪,并分析和判断目标的行为,从而能在异常情况发生时可以及时报警、主动防范,提高处理突发事件的效率。主要研究了智能视频分析技术在轨道交通智能视频监控系统中的应用背景及技术框架,总结了智能视频分析中的关键技术的不同实现方法及其常见的算法。

复杂场景中航天器靶标的快速识别

基于靶标的几何特征提出了一种快速识别算法来解决目前航天器靶标识别存在的问题。设计了一款带有线段与圆环图案的合作靶标。利用高斯滤波去除图像中的噪声,运用Canny检测算子得到边缘图像,并跟踪得到单像素边缘序列。然后,通过判断非共线四点是否共圆排除大部分不可能构成圆的边缘,利用同一圆周的两段子弧对应相同圆心和半径的几何特征实现圆检测。最后根据靶标圆与线段的几何关系排除干扰,实现靶标的准确识别。实验结果表明,该靶标识别算法对噪声、光照、旋转等不敏感,能够在多种复杂场景中快速、准确地识别靶标,处理时间小于125ms,满足实时位姿测量8帧的需要。目前,该算法已经成功应用于工程样机。

对数极坐标图像匹配在目标姿态测量中的应用

本文介绍了一种基于极坐标下图像匹配的方法实现帧与帧之间旋转角度的计算,并可以得到目标轮廓保证可靠跟踪,其坐标变换部分不同于传统的对数极坐标变换,该方法并不进行对笛卡尔坐标系下图像的采样,而是完全保留目标精确的边缘信息用以进行边缘形状匹配。匹配过程分为粗匹配和精匹配两步进行,这种方法主要是利用了极坐标下目标轮廓旋转不变性来实现的。本文还提出了一种双目测量目标旋转角度系统,通过该系统可以完成对空间中的目标在任一旋转平面上的旋转角度。实验证明,该方法计算量小、简单实用、跟踪精度满足要求。

基于差分图象的人脸检测

提出了两种基于差分图象的人脸检测算法：扫描法和投影法，实验表明它们是准实时的、非常有效的人脸检测算法，可以作为人脸自动输入的有效途径，用于构造诸如安全检查。

雷达与ESM综合多目标检测、跟踪与识别

为在预警监视系统中对多目标的检测、跟踪、识别过程进行统一处理,提出一种基于跳转马尔可夫系统模型高斯混合概率假设密度滤波(jump Markov system model Gaussian mixture probability hypothesis density filtering,JMS-GMPHDF)算法的雷达、电子支援措施(electronic support measures,ESM)综合多目标检测、跟踪与识别方法。该方法首先根据不同类别目标设计各自的多目标多模型高斯混合概率假设密度滤波器,并在各滤波器处理过程中同时对高斯项进行编号;然后,根据目标速度与加速度模型信息进行高斯项综合与类别判决,同时根据ESM测量信息进行型号判决;最后,通过航迹综合管理,形成具有运动状态信息以及类别、型号、航迹编号信息的确定航迹。仿真实验验证了该方法能够有效综合雷达、ESM测量数据,在进行多目标检测、跟踪的同时进行正确的类别、型号判决,并形成确定航迹。

一种利用遗传算法的快速匹配算法

将遗传算法引入图像匹配过程，提出了一种基于相关匹配的遗传相关匹配方法．实验结果表明，该方法既保留了相关匹配强的抗噪声能力，又克服了一般相关匹配运算量大的缺点．

雷达目标特性数据自动采集技术研究

本文讨论了一种用于雷达目标识别系统的雷达目标自动数据采集系统,该采集系统包括数据采集电路和目标检测跟踪电路,在系统软件的控制下,采集电路根据目标检测跟踪电路得到的目标空间位置信息在观测空域对需采样的目标进行开窗筛选、拾取目标视频回波数据。采集系统可以自动地对多个目标连续采集,形成带有数据标志的回波数据流,由此建立目标原始回波特性数据库供分析、处理、识别。