一种多特征联合分布的Camshift目标跟踪算法

针对Camshift算法在纹理与颜色相似干扰、目标遮挡等复杂背景中鲁棒性不高、易出现跟踪丢失等问题,提出了一种多特征联合分布的Camshift目标跟踪算法。新的算法选择等价模式LBP纹理,色调与饱和度为多特征,图像从RGB空间的转化为ULBP-H-S空间。选取图像中运动目标作为目标模板,计算目标模板的ULBP-H联合概率分布图与H-S联合概率分布图,通过自适应系数将两个联合概率分布图按位与运算后到目标的联合概率分布图。在每次迭代搜索中,通过自适应搜索窗口算法预测下一帧的搜索窗口位置与大小,在预测的搜索窗口中使用Camshift算法对目标连续跟踪。实验结果表明,改进的算法能在纹理与颜色相似干扰与目标遮挡复杂环境中,对运动目标跟踪有较高的准确性与鲁棒性。

一种基于IMM的分布式扩展目标跟踪算法

随着传感器分辨率的提高,将目标视为一个质点可能导致大量信息的丢失,传统点目标跟踪模型不再适用。而扩展目标跟踪算法不仅考虑了目标的运动状态(如位置、速度和加速度),还考虑了目标的扩展状态(如形状、大小和方向等),可获得更准确且完整的目标状态估计。近年来,利用随机矩阵跟踪扩展目标的方法颇受欢迎。实际场景中扩展目标运动复杂多变,可能导致其运动状态和扩展发生突变。多模型算法,如交互多模型(Interactive Multiple Model,IMM)算法,是一种有效的机动目标跟踪方法。本文考虑利用传感器网络以分布式算法实现机动扩展目标的跟踪问题。本文提出了一种基于扩散策略的分布式机动扩展目标跟踪算法,其中,采用随机矩阵法对扩展目标进行建模。该算法拓展了IMM框架,以描述不同扩展特性的扩展目标在不同过程噪声下的运动特性,并进一步研究了一种减小通信量的分布式局部扩散策略。具体地说,在该算法中,每个节点基于IMM框架跟踪机动扩展目标,并采用加权Kullback-Leibler平均实现IMM框架中的数据融合。此外,应用本文所提出的局部扩散策略,每个节点仅与邻居节点交换部分中间估计值,以实现较低通信负担的有效的分布式扩展目标跟踪。仿真实验结果表明,本文所提的基于局部扩散策略的分布式机动扩展目标跟踪算法能够有效地跟踪机动扩展目标,且具有相对较低的网络通信负担。

一种鲁棒高效的视频运动目标检测与跟踪算法

提出了一种视频运动目标的快速检测和稳定跟踪算法,目标检测使用减背景法,用均值法构造背景图像,提出一种基于熵能和广义高斯分布的局部自适应阈值选取算法,可有效克服噪声的影响,采用基于特征匹配的目标跟踪方法,提出一种LICS(Logarithm illuminance contrast statistic)特征,该特征能够更加充分有效地表征目标,可在光照和目标姿态变化的情况下实现刚体目标的稳定跟踪,使用Kalman滤波限制搜索匹配范围以减小计算量,用目标子区域匹配的方法解决目标相互遮挡时的跟踪问题,实验结果表明,该算法在运动目标检测效果、跟踪稳定性和运行时间方面都有良好的性能。

一种基于颜色分布的混合视频跟踪方法

传统的Mean shift算法虽然具有简单快速的特点,但在目标被遮挡的情况下无法进行有效的跟踪。与此同时,以Monte Carlo随机模拟理论为基础的粒子滤波虽然可以很好地解决这一问题,但是由于结果的好坏与粒子的数目成正比,计算耗时无法满足系统的实时性要求。该文基于颜色直方图分布,引入自适应选择粒子样本数的采样策略,有效地融合传统Mean shift算法的简单快速和粒子滤波跟踪算法的抗遮挡的优点,在保证跟踪效果的同时减少了跟踪的总体时间花费,有效提高了设计的跟踪系统的实时性。实验证明,该方法在实际的目标跟踪中是有效和稳健的。

基于贝叶斯理论的分布式多视角目标跟踪算法

为了有效解决传统单视角跟踪难于处理的目标遮挡问题,本文提出了一种分布式多视角目标跟踪算法.该算法首先基于贝叶斯理论,为多视角目标跟踪问题建立了分布式数据融合的概率框架;并利用粒子滤波器对所需后验概率进行近似,提出了自适应的观测模型和状态转移模型.各摄像机能够并行化地进行数据采集、处理、融合,而无需集中式处理单元;能够有效避免遮挡造成的误差传递,提高跟踪算法的鲁棒性.实验证明了本文算法的有效性.

基于分布匹配的主动轮廓模型及其图像分割算法

针对运动目标跟踪的快速性和鲁棒性要求,提出了基于分布匹配的主动轮廓模型,该模型将模板和候选区域的分布匹配标准——相对熵(即Kullback-Leibler距离)作为主动轮廓的外部能量,使用目标和背景全图像的匹配,克服了跟踪过程中噪声的影响。同时根据匹配力构建帧内和帧间的运动向量,加快了序列图像分割速度。相比于现有的基于边缘、块匹配、区域匹配的主动轮廓模型,该模型具有更好的噪声鲁棒性及在跟踪过程中容忍目标旋转和较大位移的能力。实验验证了该模型的有效性。

基于自适应分层结构的压缩分布场跟踪算法

为了提高分布场跟踪算法的运算效率,增强其在复杂背景下的鲁棒性,提出基于自适应分层结构的压缩分布场跟踪算法.该方法充分考虑目标区域像素值分布情况,引入k-means算法对首帧标记的目标区域进行聚类分析,根据聚类结果自适应的产生分布场结构.针对分布场模型维数较高的缺点,融合压缩感知方法对分布场进行压缩,降低模型维数,提高算法效率.此外,改变原始分布场跟踪算法采用的局部搜索跟踪策略,利用随机抽样的方式来提高算法跟踪精度.实验结果表明,提出的算法与当前流行的跟踪算法相比,具有更好的表现.

基于主动视觉和超声的机器人目标跟踪系统

运动目标跟踪技术是未知环境下移动机器人研究领域的一个重要研究方向。该文提出了一种基于主动视觉和超声信息的移动机器人运动目标跟踪设计方法,利用一台SONY EV-D31彩色摄像机、自主研制的摄像机控制模块、图像采集与处理单元等构建了主动视觉系统。移动机器人采用了基于行为的分布式控制体系结构,利用主动视觉锁定运动目标,通过超声系统感知外部环境信息,能在未知的、动态的、非结构化复杂环境中可靠地跟踪运动目标。实验表明机器人具有较高的鲁棒性,运动目标跟踪系统运行可靠。

基于最大似然的分布式多视角目标跟踪算法

针对多摄像机视频跟踪的应用场景,提出了一种具有分布式计算特点的目标跟踪算法。该算法首先利用最大似然准则对多视角目标跟踪问题进行建模,并对似然函数进行分解,最后借助消息传递机制高效求解出跟踪目标在各个摄像机视野中位置的估计值,而不再需要将图像数据传输到中央处理单元进行集中式处理。同时,通过融合多个视角的图像信息,有效地抑制了遮挡现象给跟踪结果造成的影响。定性和定量实验均证明了该算法的有效性。

基于粒子滤波和自适应模型的目标跟踪算法

为了提高粒子滤波的性能,使用集合卡尔曼滤波对建议分布进行改进,同时提出了用于视频跟踪的自适应融合模型.使用集合卡尔曼滤波结合当前的观测信息构造建议分布,结合当前观测信息对每一个粒子进行集合分析,得到新的建议分布,依据新的建议分布对粒子进行采样,同时在跟踪过程中将颜色特征模型和形状特征模型进行融合,并进行自适应更新.实验结果证明:相对于传统粒子滤波和扩展卡尔曼粒子滤波,使用新的建议分布可以更有效地降低均方根误差,同时自适应融合模型的稳定性要高于使用单一颜色模型.使用新的建议分布和融合模型,可以有效提高粒子滤波的准确性和稳定性。

基于分布域描述算子的视频目标跟踪

针对目标跟踪中如何有效地描述目标,以适应跟踪环境变化的问题,提出了一种基于分布域描述算子的视频目标跟踪算法。首先,采用分布域描述算子来建立目标模型;然后选择粒子滤波算法进行目标状态估计实现目标跟踪;在跟踪过程中,采用在线更新模型的方法,降低了光照变化以及部分遮挡带来的影响,从而提高跟踪的准确率。在常用的视频序列上进行了实验,并与目前常用的算法进行了比较。实验结果表明该算法具有较好的跟踪效果,能实现复杂场景下的目标跟踪。

一种新的空间直方图相似性度量方法及其在目标跟踪中的应用

在基于空间直方图的目标跟踪中,选择一种合适的度量两个空间直方图之间相似性的方法至关重要。该文提出一种新的空间直方图相似性度量方法。将空间直方图中的每个区间所对应像素的空间分布看作一个高斯分布,其均值和协方差矩阵为该区间内所有像素坐标的均值和协方差矩阵,然后用Jensen-Shannon Divergence(JSD)计算对应区间的空间分布相似度,而颜色特征的相似度采用具有强区分能力的直方图相交法来计算。理论和实验证明该文提出的相似性度量的稳定性好,区分能力强,其在静态图像上的整体性能优于已有度量方法,视频跟踪结果比已有方法更精确。

移动机器人运动目标跟踪系统设计

利用SONYEV-D31摄像机和自主研发的摄像机控制模块,构建了一套主动视觉子系统,并将该子系统应用于RIRA-II型移动机器人上,实现了移动机器人运动目标自动跟踪功能。RIRA-II移动机器人采用了由一组分布式行为模块和集中命令仲裁器组成的基于行为的分布式控制体系结构。各行为模块基于领域知识通过反应方式产生投票,由仲裁器产生动作指令,机器人完成相应的动作。在设置了障碍、窄通道以及模拟墙体的复杂环境下进行运动目标跟踪实验,实验表明运动目标跟踪系统运行可靠,具有较高的鲁棒性。

拓展目标杂波概率假设密度估计

针对拓展目标概率假设密度滤波器中的未知杂波概率假设密度,提出了杂波概率假设密度估计算法。算法利用有限混合模型极大后验估计杂波概率假设密度,取混合权重的熵分布作为混合参数的先验分布;在渐进假设条件下,利用拉格朗日乘子推导了混合权重的递进估计公式;在混合权重递进估计过程中,通过混合权重置零操作来实现对有限混合模型中混合分量的删减。以二维场景为例对算法进行了仿真实验,结果表明:在拓展目标概率假设密度滤波器高斯混合实现的框架内,所提杂波概率假设密度估计算法的跟踪性能接近真实杂波概率假设密度时的跟踪性能。

一种基于边缘幅值分布的相关跟踪算法

针对空中目标的跟踪环境提出一种边缘幅值分布的相关跟踪算法,利用目标的边缘幅值分布作为目标的特征模板,通过求取当前帧中目标特征与目标特征模板相关系数的最优解来进行目标跟踪。与采用对称核函数的均值迁移目标跟踪算法相比,采用目标边缘点作为核函数中的样本点,参与计算的样本点为核窗口中样本的5%～10%,使图像处理速度达到了50帧/s以上,满足了实时跟踪的要求。在跟踪过程中,以目标相邻帧间特征向量的Bhattacharyya相关系数作为目标特征模板的更新判据,实验中相邻帧间目标特征向量的Bhattacharyya系数保持在0.95～1.0,满足模板实时更新的要求,为稳定跟踪提供了保障。

采用混合t分布粒子滤波器的视觉跟踪(英文)

由于目标数量的变化,观测数据的岐义性和目标间的遮挡,多目标视觉跟踪问题面临多种困难。基于目标分布的有限t分布混合模型提出了一种混合t分布粒子滤波器以实现多目标跟踪。在算法中,每个被跟踪目标指派一个独立的粒子滤波器,显式处理当新目标出现在场景中时对应粒子滤波器的初始化,当被跟踪目标消失时,对应粒子滤波器的删除。混合t分布粒子滤波器算法不仅能够跟踪多种类型的多目标,还能够持续跟踪遮挡消除之后的多目标。为了展现混合t分布粒子滤波器的跟踪性能,完成了基于颜色分布的跟踪多种不同颜色和相同颜色的多目标实验,对比了混合t分布粒子滤波器,混合粒子滤波器以及Boosted粒子滤波器的跟踪性能。实验结果表明:文中算法不仅能够跟踪数量可变的多目标,进行实时计算,而且具有更好的鲁棒性。

基于多线索概率分布图像融合的目标跟踪

为了克服多线索目标跟踪中固定线索权值的不足,提出采用颜色、运动历史、视觉显著性等多种概率分布图像来描述目标的观测信息,通过目标在前一帧的位置确定中心区域和周边区域,并计算不同概率分布图像基于这两个区域的直方图,即中心直方图和周边直方图.每个概率分布图像的置信度由其中心直方图和周边直方图的差异度来描述.根据不同线索的置信度,在线调节当前帧各种概率分布图像在目标位置判断中所占的权重,实现对目标的多线索融合跟踪.实验结果表明,比常用的固定线索权值的融合算法效果更好.

基于多特征级联的目标跟踪算法研究

为了增强目标跟踪的有效性,提出了一种以粒子滤波作为跟踪框架,基于多特征级联的目标跟踪算法。以log-Gabor滤波器作为粒子判别级,滤除一定数量的无效粒子以提高粒子滤波的性能;再级联融合了log-Gabor特征、局部二值模式(LBP)特征和方向梯度直方图(HOG)特征的粒子加权级,实现目标跟踪。应用log-Gabor滤波器良好的频率响应对粒子做出总体评估以决定其有效性,同时以log-Gabor滤波器输出张成的频域特征。配合LBP和HOG局部特征,处理目标总体信息和细节信息,利用混合高斯模型突出后验概率分布中的峰值状态。实验结果表明,该文算法能快速去除无效粒子,实现目标的鲁棒跟踪。

一种改进的CAMShift目标跟踪算法

为了实现复杂背景下对运动目标的快速准确跟踪,在阐述CAMShift算法的原理和实现的基础上,提出一种改进的CAMShift目标跟踪算法。经实践验证,改进的算法可以实现复杂背景下对运动目标快速准确的跟踪,并且跟踪效果很好。

基于贝叶斯推理时空交互式多视角目标跟踪

本文针对多摄像机视频跟踪的应用场景,在贝叶斯推理的框架下,提出了一种具有分布式时空交互计算特点的目标跟踪算法。本文首先利用贝叶斯网络对拓扑确定的多摄像机系统进行建模,并对待估状态(目标位置)高阶联合后验概率密度函数进行时空的递推,最后借助序列蒙特卡洛(粒子滤波)逼近后验概率密度函数,并采用高效的数据传送机制高效求解出跟踪目标在各个摄像机视野中状态估计值。通过序贯蒙特卡洛粒子滤波融合时空的目标灰度及位置信息,有效地抑制了部分摄像机内遮挡现象给跟踪造成的影响。定性和定量实验均证明了该算法的鲁棒性和高效性。