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.     

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.     

利用自适应组合模型实现车辆跟踪

针对视频序列图像目标车辆跟踪中经常因场景光照变化、目标旋转、遮挡等因素导致丢失问题,提出了基于颜色自适应的改进CamShift算法;通过建立凸函数组合模型,利用多目标规划最优求解算法获取自适应颜色识别最佳组合,提高了算法抗干扰能力;利用目标倾角预测识别目标发生形变和旋转,构造多变量状态信息预测目标发生遮挡和瞬间消失,并通过IIR滤波器快速预测目标在下一时刻的运动方式。实验表明,本算法跟踪精度高,鲁棒性强。     

һ�����͵��˶�Ŀ��ʶ��������㷨�о�

提出了一种应用于智能交通监控系统的运动目标识别和跟踪方法。针对帧间差分提取运动目标的缺陷与不足,提出了一种基于冗余小波变换的运动目标识别算法,即直接在冗余小波变换域提取运动区域,从而检测出运动目标。对于检测出来的运动目标,本文对mean-shift算法进行了改进,采用自适应mean-shift算法,对目标进行跟踪。实验结果表明,本文提出的算法可以有效地提取运动目标,即使目标与背景具有较高的相似度,也可以较准确的提取出前景运动信息,效果要好于传统的帧差法;跟踪目标准确度高,不受目标大小变化的影响。本算法具较高的实用价值和应用前景。     

基于运动矢量的车辆实时跟踪系统

建立了基于摄像机、图像采集卡及计算机的车辆跟踪硬件系统.研究了基于运动矢量的车辆跟踪算法.作者首先进行背景初始化,然后,利用背景差法和检测线法对通过目标交通场景的车辆进行检测,进而根据三步法计算车辆的运动矢量,并进行车辆位置的更新和遮挡处理,实现了车辆的实时跟踪.     

运动车辆检测与跟踪方法

为提高城市智能交通综合管理能力,提出了基于视频分析的运动车辆检测与跟踪方法。在城市交通干道路面环境中,根据运动目标与道路背景统计特性的差异,基于贝叶斯概率准则,提出一个自适应背景更新算法,检测分离运动车辆目标前景,采用卡尔曼滤波器实现对视频序列中车辆目标的运动检测与实时跟踪,并对在重庆某交通干道的交通流视频进行检测。试验结果表明:该方法在常规视频分辨率下能实现实时处理视频,平均检测准确率为94%,具有较好的实时性与鲁棒性,能够实现城市交通环境中各类运动车辆的检测与跟踪。     

远场弱磁信号的小波域自适应检测研究

探讨了基于Mallat算法的自适应小波阈值消噪在复杂磁环境下运动目标磁场弱信号检测方面的应用.阈值的选取是算法的关键,基于对目标磁场频谱分析,采用与尺度相关的自适应ARMA模型的阈值算法,改进在不同的小波分解层阈值滤波的性能.对实测数据进行算法仿真,并与Donoho阈值算法检测效果对比表明,自适应ARMA模型阈值滤波算法显著提高对目标磁场弱信号的检测和提取能力.     

顾及小目标特征的视频人流量智能统计方法

人流量统计对智能安防等领域具有重要研究价值. 针对视频监控系统中人流量统计准确率较低的问题,提出一种顾及小目标特征的视频人流量智能统计方法,重点研究用于小目标检测的Faster R-CNN （Faster region-convolutional neural network）改进算法、运动目标关联匹配以及双向人流量智能统计等关键技术,根据人头目标的小尺度特点对Faster R-CNN网络结构进行适应性改进,利用图像浅层特征提高网络对于小目标的特征提取能力,通过基于轨迹预测的跟踪算法实现运动目标的实时追踪,同时设计双向人流量智能统计算法,以实现人流量高准确率统计;为证明方法的有效性,在密集程度不同的场景中进行了测试. 测试结果表明:改进的目标检测算法相较于原始算法,在Brainwash测试集和Pets2009基准数据集上的平均准确率分别提高了7.31%、10.71%,视频人流量智能统计方法在多种场景下的综合评价指标F值均能达到90.00%以上,相较于SSD-Sort算法和Yolov3-DeepSort算法,其F值提高了1.14% ~ 3.04%.      

基于改进YOLO v3模型与Deep-SORT算法的道路车辆检测方法

针对道路车辆实时检测遮挡严重与小目标车辆漏检率高的问题，提出了基于改进YOLO v3模型和Deep-SORT算法的车辆检测方法；为提高模型对道路车辆的检测能力，采用K-means++聚类算法对目标候选框进行聚类分析，选择合适的Anchor box数量，并在网络浅层增加了特征提取层，可提取到更精细的车辆特征；为加强网络对远近不同目标的鲁棒性，在保留原YOLO v3模型输出层的同时，增加了一层输出层，将52像素×52像素输出特征图经过上采样后得到104像素×104像素特征图，并将其与浅层同尺寸特征图进行拼接，实现车辆目标的检测；为了降低目标遮挡对检测效果的影响，提高对视频上下帧之间关联信息的关注度，将改进YOLO v3模型和Deep-SORT算法相结合，以此来弥补两者之间的不足。试验结果表明:改进YOLO v3模型有效地提高了车辆检测的性能，与在网络浅层增加特征提取层的模型相比，平均精度提高了1.4%，与增加一层输出层的模型相比，平均精确度提高了0.8%，说明改进YOLO v3模型提取的特征表达能力更强，增强了网络对小目标的检测能力；改进YOLO v3模型在引入Deep-SORT算法后，查准率和召回率分别达到90.16%和91.34%，相比改进YOLO v3模型，查准率和召回率分别提高了1.48%和4.20%，同时保证了检测速度，对于不同大小目标的检测具有良好的鲁棒性。      

铁路轨道异物完整性检测与跟踪算法研究

针对野外复杂环境下轨道异物检测不完整问题,提出基于小波变换的像素过滤思想改进GMM,构建背景模型;为解决异物目标实施机动(转弯、加速或突然出现)时跟踪实时性差和准确率低的问题,分析Kalman滤波线性化误差,搭建BP神经网络修正 IMM的跟踪模型,实现轨道异物跟踪预测,并推导出非线性Kalman滤波关系.实验表明,改进GMM在正常天气下平均前景误检率降低了24.94个百分点,针对复杂恶劣天气平均前景误检率降低了33.76个百分点;建立BP神经网络-IMM-Kalman滤波模型不仅可以快速准确地对场景中的机动目标进行跟踪,而且比Kalman滤波和IMM更加平稳,误差更小.     

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.     

改进的混合高斯模型视频运动目标检测算法

针对混合高斯模型背景建模在视频运动目标检测中的不足,提出了将混合高斯模型与三帧差分相结合来对视频中运动目标进行检测的算法。由混合高斯模型得到前景和背景,利用当前帧与混合高斯模型所得到的背景相减可以得到一个前景,使用三帧差分和边缘检测得到运动物体的精确轮廓,对此轮廓进行填充得到一个前景,将此三步前景进行运算得到最终的结果;通过新的更新策略来快速地对背景进行建模,以像素点的稳定性来调整像素点的更新速度,从而减少算法运算量,提高算法的运行速度。     

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.     

基于图像信息检测的船-桥智能避碰系统研究

将避碰决策系统分为船舶运动检测、视觉几何模型和船舶运动态势计算、碰撞预报及预控3部分.针对图像质量问题采取图像预处理增强、中值滤波、直方图均衡处理方法.采用相位相关算法基于背景模态模式静态空间信息记录图像信息,补偿图像抖动.基于视觉几何模型计算船舶运动态势计算船舶目标空间坐标位置、船舶型尺度、船速、船首向等.基于实时运动状态信息和桥区船舶运动态势预报碰撞危险以及避碰决策模式.引入避碰等级术语通过计算桥区船舶操纵避碰相关参数,进行避碰早期预警并得出避碰操纵决策方案.形成合理化的船-桥避碰决策系统,以达到船-桥避碰预警预控的智能效果.     

An information-based color feature representation and its application in detecting adult images

For many image classification tasks, color histogram is usually employed as an important “signature” to describe the color distribution of the image and infer the image content. However, most traditional color histograms cannot achieve satisfactory results in many image classification systems. In order to improve the accuracy and reduce the computational complexity of the classification task, an information-based color feature representation is proposed in this paper. The mutual information between the feature and the class label is adopted to evaluate the discriminative power of the feature. A novel quantization scheme is presented, which removes the redundant color components and combines the adjacent components together to generate a new feature to maximize the discriminative ability. An iterative algorithm is performed to derive the color space quantization and color feature generation. In order to illustrate the effectiveness of the proposed color representation, a specific image classification task, i.e., differentiating the adult images from benign ones, is employed. Experimental results show that our color feature achieves better classification performance and better efficiency compared with the traditional color histogram.     

一种机动目标的自适应跟踪算法

通过分析"当前"统计模型采取固定机动加速度最大值在目标跟踪中的不足,引入模糊逻辑技术,提出了一种基于"当前"统计模型的自适应跟踪算法.该算法实现了目标机动加速度最大值随机动特性的自适应调整,从而实现了系统状态噪声方差的自适应调整,提高了系统的跟踪性能.对两种典型的目标机动形式进行了Monte Carlo仿真研究,结果表明了新算法对于解决机动目标跟踪问题的有效性.