基于均值平移和自适应预测的运动目标跟踪

针对运动目标跟踪算法不足之处,提出结合改进的均值平移与自适应预测的目标跟踪算法,基于Bhattacharyya系数值进行Kalman滤波器与粒子滤波器之间的切换.引入Kalman滤波器为Mean Shift算法估计初始点,在跟踪稳定的情况下进行模板更新,根据Kalman残差大小判定是否发生遮挡：部分遮挡情况下即结合Kalman滤波器实现对快速运动目标的实时跟踪;完全遮挡情况下结合均值平移和粒子滤波进行鲁棒跟踪.实验证明,改进的算法可以有效地提高跟踪算法的效率,并且能很好地解决遮挡问题.     

一种基于特征点的跟踪算法

设计了一种基于特征点的图像跟踪算法．采用卡尔曼滤波器跟踪运动目标，并针对跟踪过程中的旋转及遮挡问题，提出相应策略：根据特征光流计算得到目标的旋转角度，适时地更新特征点的匹配模板，解决了旋转问题；当有局部遮挡发生时，通过模板与图像的匹配相关系数判断出被遮挡的特征点，并把这部分特征点加以滤出，而只有未遮挡特征点的跟踪结果送到卡尔曼滤波器，从而有效解决了局部遮挡问题．试验结果表明，这种跟踪算法具有跟踪精度高、鲁棒性强的特点．     

基于ST-MRF的自适应车辆跟踪算法研究

可靠的车辆跟踪是实现交通事件自动检测的重要前提,车辆跟踪中的车辆相互遮挡则是影响车辆跟踪结果的关键因素.为了解决这一难题,文中提出一种基于ST-MRF模型的自适应车辆跟踪算法.在ST-MRF模型中,把图像分成块,将相邻图像间的块通过它们的矢量联系起来,建立运动序列图像的时空马尔可夫随机场模型并且构造其相应的能量耗费函数,然后利用松弛算法实现目标地图最小化能量计算,从而解决车辆跟踪中的遮挡问题.实验结果表明,跟踪不遮挡的车辆时达到的跟踪成功率为95%,遮挡情况时成功率也可达到91%.通过实验得出以下结论:基于ST-MRF模型的自适应车辆跟踪算法能在交通量比较大,且车辆出现相互遮挡的情况下,能较准确地获得车辆跟踪数据.为以后的交通事件检测提供重要的数据基础.     

基于智能Agent的车辆自适应跟踪技术

为了研究复杂环境下快速移动车辆目标检测与跟踪问题,提出了基于知识库的智能Agent自适应图像分割与滤波算法,建立了帧间差异积累动态矩阵自适应背景模型,在跟踪过程中,设计了改进的SSD算法预测初始迭代点,根据Jensen不等式推导了具有自适应核窗宽迭代更新的M eanSh ift算法,实现了对视频车辆目标的自适应智能跟踪.实验结果表明,该算法能有效、准确地跟踪视频中的运动目标,自适应能力强;与其他算法比较,跟踪误差降低了54.4%,平均跟踪时间延长了41.3%.     

结合双向光流约束的特征点匹配车辆跟踪方法

针对复杂交通场景中动态光照变化、目标尺度变化和部分遮挡等因素带来的影响,提出了一种基于特征点的稳定可靠的车辆跟踪方法.针对运动车辆高速行驶时具有较大帧间运动的特点,构造KLT算法的金字塔模型,根据前向和后向跟踪偏移量,对稳定性较差的特征点进行剔除.同时,采用SURF特征匹配算法对目标特征点集进行更新和校正.最后,利用特征点之间的位置信息,确定目标的尺度和旋转变化因子,从而实现当前帧中目标区域的定位.实验结果表明,提出的车辆跟踪方法可以有效地解决复杂场景中目标形变和部分遮挡等问题,对尺度和旋转变化也具有较强的鲁棒性.     

复杂环境基于多信息融合的车辆跟踪方法

平交路口复杂环境下基于视觉的车辆跟踪容易受到如车辆在图像上投影的尺 度变化,车辆的排队与消散过程中邻近车辆间的遮挡及分离等因素的影响.针对该问题, 本文提出了一种利用局部特征增强的Mean-shift 改进算法,利用SIFT 特征点对尺度、旋 转变化鲁棒的特性,将其与基于跟踪区域颜色特征的跟踪方法相融合实现车辆跟踪,较 好地解决了在车辆尺度、运动方向变化,以及遮挡情况下的跟踪问题.同时通过引入跟踪 车辆分离的判定条件,结合特征点聚类算法解决了相邻车辆发生分离时的判断及跟踪问 题.实验结果表明,在多种交通场景的车辆跟踪过程中,本文提出的算法有较好的鲁棒性, 定位结果更加精确.     

基于SPN-PF模型的行人跟踪算法改进

结合粒子滤波和神经网络方法提出了一种新的自适应的行人跟踪改进算法.根据行人跟踪经常出现的遮挡,失跟,误跟等问题,提出了一个SPN-PF模型,通过Sigma-Pi网络将行人的多个特征联系在一起,经过学习和计算,进一步讲结果运用到粒子滤波方法中,从而达到可靠准确的跟踪行人目标的目的.实验结果表示该文提出的方法能够更准确的对行人进行跟踪.     

利用MAS实现车辆动态识别与智能跟踪

针对视频图像车辆智能跟踪问题,提出了利用帧间差异积累动态矩阵进行自适应背景建模算法,采用背景差提取运动目标区域,设计了一种基于知识的多Agent智能系统进行目标分割、轮廓提取和空域滤波,增强了抗背景干扰能力,使获得的目标区域具有更好的空域连通特性;通过自适应核窗宽改进了MeanShift算法的收敛速度,利用SSD算法实现了快速初始定位。实验结果表明,该方法自治能力强,跟踪目标快速准确,实时有效。     

���ڸĽ�����ɫ������ֱ��ͼ���µ�Mean-Shift�㷨

为了提高复杂环境下智能视频监控对运动目标跟踪的可靠性,提出一种基于改进的颜色特征和直方图更新的Mean-Shift跟踪算法.该算法利用像素点局部颜色变化作为跟踪目标像素点特征,弥补单一颜色值特征对目标表征的不足;并根据Mean-Shift跟踪结果和目标匹配程度对目标直方图进行更新,保证在目标姿态和大小发生变化时目标特征直方图的有效性.实验结果表明：与传统Mean-Shift算法相比,改进的颜色特征减小了相似背景像素对运动目标的干扰,目标直方图的更新提高了Mean-Shift算法对目标姿态和大小改变的鲁棒性.算法提高了基于颜色特征的Mean-Shift算法对复杂环境中运动目标进行实时跟踪的可靠性.     

基于自适应聚概率矩阵的JPDA算法研究

为了降低联合概率数据关联(joint probabilispic data association,JPDA)算法的计算复杂度,解决跟踪临近目标时出现的航迹合并问题,基于量测自适应消除方法,提出了一种改进JPDA算法.该算法首先通过Cheap JPDA算法计算互联概率,降低算法计算量;其次对聚概率矩阵加以阈值处理,通过重建确认矩阵,进一步优化算法复杂度;最后采用自适应消除方法,去掉聚概率矩阵中易引起错误关联的量测,减小JPDA算法在关联临近目标时的误差.仿真实验结果表明:相较于JPDA算法及Scaled JPDA(SJPDA)算法,本文算法在保证跟踪精度的前提下,降低了算法复杂度,提高了时效性;在跟踪临近目标及交叉目标时,改进算法能避免航迹合并现象及跟错目标情况的发生.     

基于FPGA的实时空中目标跟踪系统设计与实现

针对民航机场及周边空域安全管理的需求和雷达监视存在盲区易受干扰的缺点,设计了一种基于FPGA的实时空中目标跟踪系统. 针对空中目标的特点,采用灰度图像的帧间差分法进行目标检测,自适应双阈值进行目标分割,形心跟踪法进行目标跟踪,达到25帧/s的实时处理速度;算法通过设置跟踪区域和目标锁定点,排除了干扰的影响,提高了系统跟踪能力;采用形心坐标的脱靶量作为云台调整参数,依据分割目标像素大小在跟踪过程中进行了自动变焦控制;采用IDE接口硬盘作为存储介质,FAT32文件系统作为图像存储形式来记录实时图像. 外场实验表明,系统工作稳定,跟踪算法简单实用,可辅助雷达系统对飞机起降及机场空域移动目标进行跟踪监视.     

����FPGA��ʵʱ����Ŀ�����ϵͳ�����ʵ��

针对民航机场及周边空域安全管理的需求和雷达监视存在盲区易受干扰的缺点,设计了一种基于FPGA的实时空中目标跟踪系统. 针对空中目标的特点,采用灰度图像的帧间差分法进行目标检测,自适应双阈值进行目标分割,形心跟踪法进行目标跟踪,达到25帧/s的实时处理速度;算法通过设置跟踪区域和目标锁定点,排除了干扰的影响,提高了系统跟踪能力;采用形心坐标的脱靶量作为云台调整参数,依据分割目标像素大小在跟踪过程中进行了自动变焦控制;采用IDE接口硬盘作为存储介质,FAT32文件系统作为图像存储形式来记录实时图像. 外场实验表明,系统工作稳定,跟踪算法简单实用,可辅助雷达系统对飞机起降及机场空域移动目标进行跟踪监视.     

求解频率指配问题改进的完全图算法

以四级预测模型为基础,提出改进的完全图算法,并推导出该算法计算量的解析式,从理论上证明了改进的完全图算法性能上的提高.四级预测模型来判断两电台之间的兼容性,而改进的完全图算法调用四级预测模型来搜索出多电台间的所有可用频组,进行了小规模电台数目电子信息系统的完整电磁兼容分析,完成了系统内的频率指配.实际工程应用的结果与理论一致.     

Probabilistic Tracking of Objects with Adaptive Cue Fusion Mechanism

A tracking method based on adaptive multiple cue fusion mechanism was presented,where particle filter is used to integrate color and edge cues.The fusion mechanism assigns different weights to two cues according to their importance,thus improving the robustness and reliability of the tracking algorithm.Moreover,a multi-part color model is also invoked to deal with the confliction among similar objects.The experimental results on two real image sequences show the tracking algorithm with adaptive fusion mechanism performs well in the presence of complex scenarios such as head rotation,scale change and multiple person occlusions.     

Intelligent video surveillance for checking attendance of traffic controllers in level crossing

This paper proposes a detecting and tracking scheme for automatic checking attendance of traffic controllers in level crossing by recognizing their warning waistcoats. Considering of the actual requirement of rapidity and validity, this paper employs techniques of motion detection, color segmentation and feature matching to deal with the challenging problems of illumination varying, light reflection and disturbance. Therefore, the task of distinguishing the target from candidates can be fulfilled accurately. Once a target being detected, the established color models are modified through learning color of the detected target, and then Cam-shift algorithm is employed to track this target smoothly. The experiments in real scenes demonstrate that this method has a great capability to detect and track traffic controllers in complex level crossing environment accurately, and the comparisons further demonstrate the validity of the proposed method.     

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.     

基于自适应耦合模型的运动目标跟踪方法

在跟踪目标快速运动和外形显著变化的任务中,现有跟踪方法经常存在目标跟踪丢失、误差较大等问题.为此本文提出一种新的跟踪方法,该方法采用的是基于改进码本模型的背景相减法检测运动目标,对检测出的目标构建耦合模型进行实时跟踪.另外,本文还讨论了模型中参数改变对跟踪失败次数的影响.实验结果表明：该方法在处理目标上述情景下的跟踪效果比较理想,并且一定范围内的参数改变对该方法的稳定性影响不大.     

Long-term tracking based on spatio-temporal context

Aiming at the problem that the fast tracking algorithm using spatio-temporal context (STC) will inevitably lead to drift and even lose the target in long-term tracking, a new algorithm based on spatio-temporal context that integrates long-term tracking with detecting is proposed in this paper. We track the target by the fast tracking algorithm, and the cascaded search strategy is introduced to the detecting part to relocate the target if the fast tracking fails. To a large extent, the proposed algorithm effectively improves the accuracy and stability of long-term tracking. Extensive experimental results on benchmark datasets show that the proposed algorithm can accurately track and relocate the target though the target is partially or completely occluded or reappears after being out of the scene.