主动轮廓模型在运动舰船目标跟踪中的应用

应用数字图像处理技术对视频监控系统中的舰船目标进行运动检测与跟踪。针对水面环境存在的复杂变化,选用混合高斯背景模型的方法构建实时背景模型,应用背景差分法检测出监控画面中的运动舰船区域,并得到舰船目标的初始轮廓,再利用主动轮廓模型方法,提取运动舰船目标轮廓,并利用舰船轮廓实现目标跟踪。实验表明,算法可对目标轮廓进行较好地跟踪,并且复杂度较低。     

基于openCV的视频路径船舶检测与跟踪

通过对船舶运动状态的监测和跟踪,船舶在航行时能够最大程度避免碰撞,同时也能够方便航运管理,极大地提高航行效率。本文从船舶监测和跟踪的具体需求出发,设计基于openCV的船舶路径视频监控系统,能够借助智能识别算法,快速提取出船舶的航行轨迹,并利用运动跟踪算法,提取船舶运动轨迹的特征量,大大提升了检测效果。文中充分利用OpenCV中的有关图像变换函数库,并在Matlab软件中进行船舶运动的仿真对视频路径的目标检测和跟踪性能进行分析。     

基于模糊粒子滤波的视频跟踪方法研究

智能视频监控系统的基础就是对监控范围的视频序列中目标进行有效实时的跟踪,针对当前跟踪方法在光照突变、部分遮挡情况下的跟踪缺陷,本文提出了一种利用模糊粒子滤波（Particle Filter,PF）进行视频目标跟踪的新算法.该算法结合模糊控制理论,引入量测的模糊性来克服特征信息的不确定性,并建立一个基于背景建模技术的自适应高斯混合模型和基于序贯蒙特卡洛的跟踪算法（sequential Monte-Carlo-based）.在新算法的指导下,针对静止摄像机在光照条件改变以及目标发生部分遮挡的情况进行了深入的研究.通过多种模糊量测技术的比较和应用,本文方法实现了多个目标精确有效跟踪.     

移动视频目标跟踪中的智能过滤算法研究

随着视频监控系统在现代生活中的应用越来越广泛,对移动视频目标跟踪算法的研究也越来越重要。由于视频目标追踪非常复杂和困难,如何提高移动视频目标跟踪的鲁棒性、准确性和实时性成为当前发展的主要方向。本文通过视频目标跟踪理论分析,并通过改进的目标跟踪过滤算法,解决了原来Lucas Kanade光流跟踪算法的目标易丢失、鲁棒性不高、计算量大等缺点。实验结果证明,智能过滤算法能够准确预测目标质心位置,实现可靠的跟踪。     

卡尔曼算法在船舶运动模型参数辨别中的应用

人工智能技术飞速发展,人们已经实现了依靠智能算法识别船舶运动轨迹,这对船舶的航行安全起着重要的推进作用。在对船舶运动状态进行跟踪识别过程中,首先要从视频图像中提取出目标物体的特征值,然后在数据库中进行比对,进一步获得目标物的具体参数。本文采用卡尔曼算法对船舶运动目标的特征参数进行分析,首先建立船舶运动时的动力模型,然后结合目标的灰度统计特性,对船舶的运动状态和运动参数的转移算法进行设计。从仿真结果可知,本文所提出的运动模型识别算法满足基本的鲁棒性和准确度,能够对船舶目标进行速度识别和航迹跟踪。     

船舶机舱监控视频的智能检索系统设计

智能监控是通过图像处理的方法对动态场景中的目标进行自动、实时的跟踪识别,并分析和判断目标行为的现代化电子计术。对舰船智能监控系统的基本理论和关键技术进行深入调查和研究,提出了舰船监控智能检索系统设计方法,以便更好的对目标进行跟踪。通过对目标数据特征进行分析,对视频的序列进行匹配和记录,优化舰船机舱视频对监控目标的检测和提取功能,为验证方法的有效性,设计仿真实验,对视频数据进行检测和提取,并记录图像目标特征。试验结果表明该方法有计算简单、运行稳定的特点,可快速得到正确的视频跟踪检索目标。     

改进ViBe算法及其在运动船舶目标检测中的应用

为了抑制ViBe算法在海面动态背景视频下“鬼影”区域对船舶运动目标检测的影响,提高监控视频中船舶运动目标识别的准确率,提出一种改进的ViBe算法。首先,背景模型用连续帧初始化,以减少“鬼影”的影响;然后,使用自适应阈值和闪烁级别来减少海面杂波,同时采用像素点对比消除“鬼影”,提取运动目标前景,获取完整的运动目标区域。最后,对输入视频进行高斯金字塔多尺度分解,并采用改进的ViBe算法检测低分辨率视频中的移动船舶,完整提取了海上移动船舶。实验结果表明,所改进的算法消除了“鬼影”区域,减少了海面杂波的干扰,检测率为92.5%,单帧视频图像检测时间控制在97 ms以内,可准确、快速地检测和提取海面船舶运动目标。     

海事智能视频监控系统设计与实现

设计了一个面向海事场景的网络视频监控系统,系统从网络上获取航道和港区视频序列,进行分析和处理,对用户定义的受控区域进行实时监控,当受控区域出现运动目标时进行分级告警.针对海事场景背景复杂、干扰大等困难,提出了改进的混合高斯背景模型及运动检测方法.在目标跟踪方面,为运动区域建立颜色、形状和运动的混合模型,并通过距离矩阵和匹配矩阵判定目标和轨迹间的对应关系.经测试,该设计实现的各项功能都能满足海事部门对海事场景的实时监控.     

基于运动与表象特征的广域船舶目标识别方法

[目的]旨在提出对航行于关键广阔水域内的船舶进行准确识别和定位的改进方法.[方法]运用视频监控的优点,综合采用基于背景差分算法的运动目标检测方法与基于深度学习算法的图像表象特征识别方法,结合目标的运动特征和图像表象特征,实现多维度广域船舶识别的功能,并对水纹降噪、多级运动检测、航道监控图像窗口分割检测等方法进行改进,进...     

视频监控智能识别的关键技术研究*

随着视频监控需求的迅速增长,人工监视已远不能满足监控的要求,视频监控系统的“智能化”变得越来越迫切。论文研究的核心是从理论层面出发,在视频序列中检测、跟踪人体,获取人体运动数据,描述和理解人体运动。     

Camshift多特征自适应算法在船舶跟踪系统中的研究

为了能够适应现代化的航道管理需求,最大限度提高通航水平,本文提出一种基于人工智能的算法,能够通过视频监控网络,自动对航道中的船只进行监测与统计,从而大大降低了管理人员的工作强度,有效改善管理水平。文中采用Camshift算法对特定的船只目标进行跟踪,并针对不同的特征值自适应判断出船只的类型、大小和用途。对船只目标的复杂度和局部特征提取能力进行优化,建立一种能够主动适应目标运动速度的模型,通过仿真实验,该算法的目标跟踪性能良好,具有一定的实用价值。     

恶劣环境下监控视频中舰船图像增强研究

受到舰船监控应用环境的影响,恶劣环境下监控视频中会因为低照度原因,出现视频图像运动影像模糊问题,严重影响视频监控应用。为此,提出恶劣环境下监控视频中舰船图像增强研究。首先对低照度舰船监控视频图像进行降噪明度提升计算,接着对视频图像运动目标轨迹进行增强计算,最后对图像全局通道进行模糊遮罩层的去雾计算,从而完成图像增强计算。为了证明提出研究方法的有效性,通过仿真对比实验对提出方法与传统方法进行测试,根据测试结果,得出有效性结论。     

利用轨迹跟踪的视频交通事件检测算法

由于基于车辆检验知识和像素强度等传统的视频交通检测手段受到诸多因素影响,检测算法准确率低.轨迹跟踪算法能够提高视频交通事件检测的准确性.针对不同交通事件的特性,提出了分别适用于易形变的非刚性行人目标和形状同定的刚性车辆目标的跟踪算法,通过对可疑目标进行轨迹跟踪、行为分析,给出可靠、稳定的交通事件判定依据.采用轨迹跟踪及行为分析方法使视频交通事件检测较传统视频检测方式具有更高的可靠性和通用性.     

飞艇与无人机协同对海上运动目标定位跟踪研究

为实现飞艇、无人机协同对海上运动目标定位跟踪,通过一系列坐标转、变换将无人机测得目标位置转换到飞艇相对地理参考系中,并应用改进的Sage-husa自适应卡尔曼滤波实现对目标的跟踪,改进的卡尔曼滤波器是在Sage-husa噪声估计器基础上进行递推推导并引入权值系数,仿真表明,改进的滤波算法稳定性好,精度高,具有较快的收敛性和较强的自适应性。     

舰船阴影检测算法在视频图像中的应用

海上舰船的监控有利于加强船舶监管水平,提供船舶航行的安全性,随着视频传感器与计算机技术的发展,海上舰船视频监控覆盖的范围越来越广,与此同时,视频监控的目标识别与图像处理技术也得到了一定的发展。视频图像中的阴影会降低目标识别的精度,因此,在进行舰船视频图像处理时必须要利用阴影消除算法,来改善舰船目标识别的水平。本文介绍一种基于色彩空间的阴影消除算法,并结合信号降噪技术,提升了监控视频图像中舰船目标检测的精度。     

基于自适应分数阶Kalman滤波的船舶视觉跟踪

为提高Kalman滤波算法的准确性和鲁棒性,提出一种基于自适应分数阶系统的Kalman滤波算法,设计状态噪声协方差选择的自适应机制,推导其数学过程。将该算法应用到船舶视觉跟踪中,选取不同河流的CCTV(Closed Circnit Television)船舶监控视频(包括不同情况下的内河船舶运动监控),针对不同船舶大小、复杂光照、不同明暗度、多船会遇和多船追越等情况进行船舶视觉跟踪。对不同分数阶下的跟踪误差和准确度进行分析,并将分数阶Kalman滤波器与整数阶滤波器相比,说明其具有更宽的参数选择范围和更高的跟踪精度。研究结果表明:与分数Kalman滤波和Kalman滤波相比,该自适应分数Kalman算法具有更小的中心位置误差和更好的跟踪精度,能很好地避免跟踪器的漂移效应,具有较强的鲁棒性和准确性。     

复杂背景下无人艇视频视觉目标图像识别算法

为精准跟踪海域环境中的各类舰船目标,生成连续性的视觉目标图像视频,提出复杂背景下的无人艇视频视觉目标图像识别算法。利用增强滤波处理无人艇图像中的数据信息,再通过特殊信息标记的方式,完成无人艇视频的图像数据集设计。在此基础上,改进原识别提取网络,借助边界框预测实值,完成待识别目标图像的特征提取,实现复杂背景下无人艇视频视觉目标图像识别算法的顺利应用。对比实验结果表明,与KCF目标跟踪算法相比,应用新型目标图像识别算法后,YOI船体识别参数增大至8.56,实现了对海域环境中各类舰船目标的精准跟踪,大幅促进了连续性视觉目标图像视频的生成。     

舰船视频监控数据压缩算法的设计

数据压缩算法是舰船监控视频系统中的重要技术,直接影响舰船监控视频传输的实时性,针对当前舰船监控视频数据压缩算法存在压缩比小、信息丢失严重等不足,设计了基于剪切波变换和压缩感知算法的舰船监控视频数据压缩算法。首先对当前舰船监控视频数据压缩算法进行研究,找到各种算法存在的局限性,然后对舰船监控视频原始数据进行去噪处理,减少噪声传输所占的通信资源,并采用剪切波变换对舰船监控视频数据进行分解,最后采用压缩感知算法对剪切波变换系数进行压缩处理,减少舰船监控视频数据规模,并通过剪切波反变换对舰船监控视频数据进行重构。与对比舰船监控视频数据压缩算法的仿真对比测试结果表明,本文算法能够在保持舰船监控视频数据原始信息的基础上,对舰船监控视频数据进行了最大限度的压缩,而且舰船监控视频数据压缩速度快,获得了对比算法更加理想的舰船监控视频数据压缩结果。     

基于参数辨识模型的弹道拟合方法仿真研究

为了从有限的观测信息中较准确地获取导弹运动状态信息,针对反舰导弹末段蛇行机动和跃升俯冲攻击等突防方式,利用参数辨识模型动态适应机动目标运动模态变化的特性,实现反舰导弹机动弹道的拟合。通过仿真计算可知,参数辨识模型对蛇行机动和跃升俯冲攻击等运动模式具有较高的拟合精度,算法收敛较快,可为高精度跟踪反舰导弹提供参考。     

基于尺度滤波器的时空上下文目标跟踪算法

传统的时空上下文目标跟踪(STC)算法在目标尺度发生变化时,目标矩形框的大小在经过多帧之后才有微小的变化,对局部上下文信息不能进行有效的学习,导致跟踪发生漂移。为此,本文提出了一种基于尺度滤波器的时空上下文目标跟踪(STC-SF)算法,首先在第一帧图像中建立时空上下文模型和尺度滤波器模型;然后后续帧图像集,通过时空上下文模型和尺度滤波器模型分别求取得最大响应以得到当前帧图像的中心目标位置和尺度信息;最后利用当前帧图像来更新时空上下文模型和尺度滤波器模型。在OTB50视频库上进行试验,结果表明STC-SF中目标矩形框能够随目标尺度变化而相应变化,同时具有一定的抗遮挡能力,跟踪效果更准确。