一种改进的基于颜色直方图的实时目标跟踪算法

基于颜色直方图的目标跟踪算法主要是利用彩色图像的颜色直方图信息 ,在获得颜色直方图水平投影和垂直投影的基础上 ,综合考虑运动预测和帧间的相似性 ,确定目标的位置 ,并结合模板更新的思想不断自适应地调整被跟踪目标的模板 ,从而实现对目标的跟踪。本文提出的算法在原有的基于颜色直方图的目标跟踪算法的基础上 ,进行了两个方面的改进 :(1)提出一种改进的直方图定义 ,使本算法能更好地实现对小目标物体的跟踪 ;(2 )采用双模板更新与匹配的方法 ,使本算法对突变情况具有更强的鲁棒性。实验证明 ,本算法在保证跟踪准确度的同时 。

基于肤色的人脸实时跟踪方法

提出用于电视电话会议、远程教学、监视与监控等场合的人脸实时跟踪方法 .以人脸肤色模型为基础 ,结合目标形状特征识别方法 ,并用扩展卡尔曼滤波估计目标运动轨迹 ,实现基于肤色的人脸实时跟踪鲁棒方法 .该方法有效地保证了复杂场景下目标跟踪的准确性 ,实现了带遮挡情况下的人脸实时跟踪 .系统跟踪速度达到视频速度 ,对于 PAL制式的视频图像达 30帧 /s,对于 NTSC制式的视频图像达 2 5帧 /s.

序列图像中彩色目标跟踪的加权颜色分布方法

提出一种基于加权颜色概率分布模型的彩色目标跟踪方法。对目标的颜色直方图进行改造形成目标的颜色概率分布图,同时考虑到了颜色模型的大小及其中像素点的位置对颜色分布的影响,再对颜色分布图进行加权处理成为加权颜色分布图,以此作为目标的颜色模型。与加权直方图相比,加权颜色分布图对区域特征描述更加合理。实验结果表明,本文方法与典型的mean-shift算法相比,提高了目标的定位精度的同时,降低了计算复杂度,而且在快速运动和被大比例遮挡的情况下对彩色目标的实时跟踪有良好的鲁棒性。

一种实时手势跟踪中的线性预测方法

针对手势视频序列中由于手势快速运动导致跟踪失败的问题,提出一种基于mean shift的线性预测方法以实现图像序列中手势实时跟踪.该方法通过提取手势肤色HSV空间中的H分量建立目标模型对运动手势进行跟踪,并针对手势快速运动的情况利用线性预测方法对下一帧中手势的起始中心进行预测,同时更新手势的目标模型以适应光照等环境的变化.实验结果表明:在手势快速运动时该方法可对目标起始中心进行有效预测,提高手势跟踪的精确度.

基于肤色及轮廓信息的人耳实时跟踪

实时人耳跟踪作为人耳识别系统的前提,是一个意义重大且具有挑战性的课题。为了实现对人耳的快速实时跟踪定位,提出了一种融合肤色及灰度轮廓信息检测跟踪序列图像中人耳的新方法。该方法首先采用改进的CAMSHIFT算法在肤色概率分布基础上,初步对侧面人脸这一包含耳朵的大面积肤色区域进行粗定位,进而根据耳朵自身丰富的轮廓信息,应用轮廓提取及拟合来进一步精确定位人耳。实际应用表明,该方法具有速度快、效率高和鲁棒性好的特点,不仅能够满足实时性的要求,并且对于干扰和耳朵自身一定角度的偏转都有较好的容错性。此外,该方法在相对复杂的背景下仍能获得较好的跟踪效果。

基于边缘直方图的粒子滤波跟踪算法及其实现

以颜色直方图为特征的运动目标跟踪算法容易受到光线变化及视场内其它同色目标的干扰。采用运动目标的边缘方向直方图作为特征,利用序列重要性采样原理和粒子滤波算法实现了对人体运动目标的跟踪。实验显示了该算法在光线变化及存在同色目标干扰时能够有效跟踪目标。在算法实现过程中,采用积分图计算边缘方向直方图,减少了计算时间,提高了计算速度,达到了实时跟踪的效果。

遮挡环境下采用分层局部敏感直方图的实时目标跟踪

针对局部敏感直方图跟踪算法中缺乏抗遮挡处理机制,在目标被长时间大面积遮挡时易丢失目标的问题,提出了一种基于分层局部敏感直方图特征的实时跟踪算法。该算法将目标模板分为多个顶层区域,分别判断每个顶层区域是否被遮挡,停止被遮挡区域的模板更新。在更新过程中,针对各顶层区域的置信度不同采用不同的更新速度,使环境变化时算法仍保持良好的抗遮挡性能。对视频的测试结果表明:本方法在目标大小为60pixel×60pixel时平均帧速为30帧/s,满足实时性要求。与局部敏感直方图跟踪算法相比,本算法具有更好的抗长时间遮挡和光照变化的性能。

实时三维斑点追踪成像技术在高血压患者左室收缩功能研究中的应用

目的探讨实时三维斑点追踪成像(RT3D-STI)技术在评价高血压患者左室收缩功能中的应用价值。方法选择经临床确诊的100例高血压患者,其中左室正常构型组(LVN)55例,左室重构组(LVR)45例,同期选取正常对照组50例,应用彩超的RT3D-STI技术采集心尖全容积成像,获取各组左室舒张末容积(LVEDV)、左室收缩末容积(LVESV)、左室射血分数(LVEF)、左室质量指数(LVMI)、舒张早期二尖瓣血流速度/舒张晚期二尖瓣血流速度(E/A)、左室整体长轴应变(GLS)、左室整体轴向应变(GCS)、左室整体径向应变(GRS)及左室整体面积应变(GAS)等。结果正常对照组、LVN组及LVR组3组间LVEF差异无统计学意义(P>0.05);LVR组LVEDV、LVESV、LVMI、相对室壁厚度(RWT)明显高于正常对照组及LVN组,差异有统计学意义(P<0.05);而E/A显著低于正常对照组及LVN组(P<0.05)。LVN组与正常对照组相比,GLS、GAS降低,差异有统计学意义(P<0.05),GRS、GCS无明显变化(P>0.05)。LVR组GLS、GCS、GRS、GAS均低于正常对照组及LVN组(P<0.05)。结论 RT3D-STI技术可反映高血压患者左室收缩功能的改变,提示高血压患者在早期射血功能正常时已存在收缩功能的改变。

实时三维超声和斑点追踪技术对慢性心衰患者左室再同步化治疗的评价

目的探讨实时三维超声(RT-3DE)和斑点追踪技术(STI)在慢性心力衰竭(心衰)患者左室再同步化治疗中的应用。方法 31例接受心脏再同步化治疗(CRT)的慢性心衰患者分别于术前、术后3个月及6个月应用RT-3DE技术测量左室舒张末期容积(LVEDV)、收缩末期容积(LVESV)、左心室射血分数(LVEF),RT-3DE评价左室16节段达最小收缩容积时间的标准差和最大差值与心电图R-R间期的比值(Tmsv-16SD%,Tmsv-16Dif%)。STI评价左室16节段QRS波起点至纵向应变、径向应变和环向应变达峰时间的标准差与心电图R-R间期的比值(Tls-16SD%、Trs-16SD%、Tcs-16SD%)和对应的最大差值(T-16Dif%)。结果与术前比较,患者术后3个月及6个月LVESV、LVEDV小于术前,LVEF比术前改善,差异有统计学意义(P<0.05),Tmsv-16SD%、Tmsv-16Dif%、Tls-16SD%、Trs-16SD%、Tcs-16SD%、Tls-16Dif%、Trs-16Dif%、Tcs-16Dif%逐渐降低,差异有统计学意义(P<0.05)。Tmsv-16SD%、Tmsv-16Dif%,Trs-16SD%、Tcs-16SD%与LVEF均呈负相关(r分别为-0.79、-0.82、-0.69、-0.74,均P<0.05)。RT-3DE与STI两种方法检测结果一致性较好(Kappa=0.77)。结论 RT-3DE和STI技术能为心衰患者左室再同步化治疗及预后评估提供更准确的定量信息。

模糊直方图模型的运动目标跟踪

为改善跟踪系统对跟踪场景中目标色度和光照变化鲁棒性,提出基于模糊直方图的目标模型建立方法。首先,在色度论域内定义色度模糊等级,根据模糊隶属度函数建立目标区域模糊直方图,由此降低目标直方图模型对色度等级阈值的敏感性。然后,利用模糊直方图模型进行反向投影,建立跟踪场景的概率分布图。最后,利用Camshift方法实现目标的识别、定位与跟踪。仿真实验结果表明:与传统方法相比,采用模糊直方图模型的跟踪方法对色度漂移等干扰具有更好的适应性,目标在顺光、侧光以及逆光环境下移动时,该方法能够完成目标的准确定位与跟踪,单帧平均跟踪时间与基本Camshift方法相当,单帧最大跟踪时间小于40ms,满足电视跟踪等系统实时性要求。

基于时间序列模型的粒子滤波行人跟踪算法研究

针对行人运动的随机性导致运动状态模型适应性差和人在行走过程中可能发生短时全部或局部遮挡导致行人跟踪算法精度较低的问题,提出基于时间序列模型的粒子滤波行人跟踪算法;建立了行人运动时间序列模型;给出了基于对视频序列初始帧的检测,确定行人的位置、宽高等作为跟踪先验信息的方法;由先验信息计算加权颜色直方图构建初始粒子群分布,并利用时间序列运动模型预测粒子在下一时刻的状态分布,并更新粒子权值;根据有效粒子的个数判断是否进行重采样;最后由所有粒子的加权和估计行人的运动状态;仿真实验表明:文中提出根据行人的运动轨迹时间序列运动模型可使行人的状态估计更准确,预测误差进一步减小,预测精度得到了提高。

基于后向投影的目标实时跟踪系统设计

设计一种基于DSP-TMS320VC5416与FPGA的实时图像跟踪系统.该系统首先采用FPGA实现对图像数据的3×3中值滤波,滤波后数据采用乒乓操作的方式传输给DSP处理器.在跟踪算法上采用了直方图作为目标特征,使用直方图后向投影方法实现对动态目标的跟踪.采用浮点数定点化处理,提高了算法的运行速度.实际结果应用表明:该系统具有良好的实时性与稳定性.

基于卡尔曼滤波的运动员实时跟踪系统研究

应用计算机技术,并采用预处理算法和跟踪算法可建立基于卡尔曼滤波的运动员实时跟踪系统,用于实时分割、跟踪球场中运动着的运动员,得到其在运动场景中的各项运动参数,并进行技战术统计和分析,为教练员和运动员制定正确的运动技术方案提供决策依据。

基于改进轮廓跟踪的瞳孔快速检测

提出一种基于直方图二值化和改进的轮廓跟踪的瞳孔检测方法。首先对采集的瞳孔图像计算直方图,根据直方图特征取出合适的阈值进行二值化,再对二值化后的图像进行轮廓跟踪,得到精确的轮廓边界,进而得到直径、中心等信息。对前一帧瞳孔图像进行瞳孔信息计算后,后一帧图像以该瞳孔中心为中心,缩小检测区域进行直方图二值化及瞳孔轮廓跟踪,得到该帧图像的瞳孔信息,减少运算,加快检测速率。该算法鲁棒性高,速度快,可满足300帧/s的实时检测速度。

海天背景下红外舰船目标实时跟踪算法研究

针对海天背景下的红外舰船图像对比度低、船载摄像机上下抖动剧烈的特点,文中提出了均值移位(mean-shift)和海天线检测相结合的红外目标实时跟踪算法。首先通过水平投影方法提取每帧图像的海天线,然后由相邻帧海天线的高度差设定每帧图像跟踪起始点,将目标的灰度和梯度信息进行加权来描述目标特征,利用mean-shift算法进行目标跟踪。实验结果表明,文中算法能够准确跟踪上下运动剧烈的红外舰船目标,跟踪速度达到12 fps。

融合颜色与时空上下文信息的实时目标跟踪算法

提出一种融合颜色特征和时空上下文信息的跟踪算法以实时鲁棒跟踪运动目标.该算法首先使用目标及其周围局部上下文区域的自适应降维颜色特征和灰度特征建模目标表观,获得上下文先验模型;在此基础上,转换到频率域在线学习目标及其周围背景的空间上下文模型;最后通过计算置信图,寻找最大响应值,预测目标在下一帧的位置.为了验证算法性能,在CVPR2013 benchmark提供的跟踪数据集上与主流跟踪算法进行定量和定性分析对比实验,实验结果表明,本文提出的算法在目标发生形变、旋转、快速运动、部分遮挡以及受光照变化和背景干扰等复杂情况下能够适应目标表观的变化,具有较好的鲁棒性和实时性.

基于FPGA的图像自适应AWB系统设计与实现

为了解决常见自动白平衡(Auto White Balance,AWB)方法的场景适应能力不足且实时性较差等问题,提出了一种基于颜色通道直方图重构的自适应AWB方法,并使用现场可编程门阵列(FPGA)对所提出的算法进行硬件电路实现,在校正图像白平衡的同时也确保了系统高速实时处理图像。首先对图像进行限制对比度自适应直方图均衡化(CLAHE)处理来提高图像对比度,然后对图像进行灰度级区间的通道分区统计,对不同场景类别的图像采用颜色直方图匹配或平移的重构方式做自适应处理。实验结果表明,该算法在处理图像白平衡时,相比基于光源估计的AWB算法,色温校正准确率提高了14%,对不同色彩场景有更好的适应性,具有实时处理能力。

基于颜色特征的人流量实时检测方法

为改善视频监控中人流量检测的准确性问题,提出一种利用头发颜色特征的人流量跟踪检测方法。该方法对输入图像同时做如下两个操作:基于头发颜色特征的二值化和基于混合高斯模型的前景提取。对这两者合并后的结果做特征判别就可以得到人头区域。以人头区域为目标进行跟踪,分析运动轨迹特征后可以判断行人的进出方向及数目。实验表明该方法在双向行走、行人密集及背景干扰条件下均有很高的正确率。并且,每帧图像平均处理时间只需20 ms,完全可以满足实时处理的要求。

基于OpenCV的实时动态手势检测研究

基于OpenCV对实时动态手势检测进行了研究,将背景差分与运动肤色相结合,选择对HSV颜色空间的运动肤色信息进行标记,修改了运动肤色的亮度值,从而排除了静止人脸的干扰,并通过形态学处理,获得了预期的动态手势检测效果。

基于颜色识别的自由飞行空间机器人姿态实时跟踪方法

自由飞行空间机器人是当前智能机器人研究中很活跃的领域 ,为了研究机器人在自由飞行状态下的运动控制及姿态规划问题 ,我们设计了地面实验平台。该系统的视觉部分主要完成机器人姿态跟踪及捕获目标的识别定位。为了达到实时跟踪的目的我们采用了基于颜色的识别定位方案。这种方法计算简单 ,快速 ,且易于实现。