视频中人脸的实时跟踪

介绍了一种简单、快速的实时视频人脸对象跟踪算法．在使用肤色检测算法进行人脸区域定位的基础上,采用差分运动估计,确定最大的搜索区域,在此区域使用两个正交的边缘梯度跟踪模型和内部肤色像素统计直方图跟踪模型跟踪人脸．本算法较好地解决了跟踪的连续性、实时性和精确度间的矛盾．实验结果表明本算法能够对人脸进行实时跟踪,具有一定实际应用价值．     

基于 CMT 的红外可见融合跟踪算法

现有大部分融合跟踪算法都使用分类器型跟踪算法,这种算法在目标尺度发生变化时会存在一定误差。虽然已有一些解决方案,但仍不能从根本上解决该问题,而且一般无法估算目标的旋转状态。为此,基于CMT 算法提出一种新的基于点的多传感器融合跟踪算法。在获取目标状态上综合了多传感器信息,并对目标中心使用卡尔曼滤波进行修正,能够跟踪目标并获得目标的尺度及旋转信息。实验结果表明,该算法在常见分辨率下跟踪非旋转目标,重叠率与现有算法相当,在分辨率较高的情况下,在实时性上具有优势。     

一种针对人体运动目标的Mean-Shift跟踪算法

针对传统的Mean-Shift目标跟踪算法在跟踪人体运动目标时的不足,提出了一种基于Mean-Shift目标跟踪算法的人体目标跟踪方法。该方法首先利用人眼视觉阈值效应和区域生长法检测目标,再用Mean-Shift跟踪算法对目标进行跟踪。实验表明该方法大幅提高了人体运动目标的跟踪精度。     

基于改进帧间差分与局部Camshift相结合的目标跟踪算法

为了能够准确、快速地跟踪运动目标,提出了改进帧间差分与局部Camshift相结合的目标跟踪算法。针对传统帧间差分法在运动目标提取过程中容易产生“空洞”的现象,并且对噪声敏感的问题,提出了三帧差分的运动目标检测算法。首先,利用三帧差分法,将相邻的三帧图像作为一组进行再差分,从而检测出中间帧运动目标的形状轮廓,然后将该区域作为运动目标的模板区域,并将该区域进行适当扩充,最后采用局部Camshift算法进行目标跟踪。实验结果表明,改进的帧间差分可以有效地弥补“空洞”现象,对噪声也起到了一定的抑制作用。同时,该方法克服了传统Camshift算法需要人为选择跟踪区域和容易发散的缺点,达到了预期的目标检测和跟踪效果。     

基于Kalman和Surf的Camshift目标跟踪研究

传统的Camshift运动目标跟踪算法在目标遮挡或背景颜色干扰下,容易陷入局部最大值,造成目标跟踪丢失。针对这一问题,提出了一种结合Kalman滤波及Surf特征提取的改进算法。该算法需在视频序列中手动框选跟踪目标作为目标模板。将传统Camshift算法得到的目标候选区域与目标模板进行直方图对比,得到的巴氏系数若大于设定的阈值则说明目标跟踪丢失。采用Surf算法,在该帧图像中匹配出新的目标候选区域,最终得到候选区域的位置信息更新Kalman滤波。仿真实验表明,改进后的算法在复杂背景下仍然具有良好的跟踪效果。     

基于核函数的目标跟踪系统建模与仿真

针对目标跟踪中的快速运动、旋转、遮挡等问题,采用核函数算法实现目标跟踪。利用卷积实现密集采样,使用高斯核函数岭回归估计目标位置,在线更新高斯模型和核相关滤波器。通过OTB数据集对算法进行实验验证,结果表明,算法Precision能达到69.7%,Success达到66.8%,跟踪速度达412fps。实验表明,算法在跟踪过程中可对旋转、模糊、遮挡图像中的目标进行有效跟踪,在多个指标上优于其它比较算法。     

基于卡尔曼预测的轨迹片段关联目标跟踪算法

利用卡尔曼算法对运动目标跟踪展开研究,提出了一种基于卡尔曼预测的轨迹片段关联目标跟踪算法。首先利用卡尔曼预测缩小搜索区域,对检测结果进行匹配关联,生成可信的短轨迹片段;然后对每个轨迹片段通过卡尔曼预测迭代关联,形成单个目标的跟踪轨迹集合。实验证明该方法可有效提高轨迹片段关联跟踪算法效率,解决目标相互遮挡问题,实现对目标的稳定跟踪。     

基于Kalman滤波算法的运动目标跟踪系统建模与仿真

鉴于传统的跟踪算法鲁棒性和实时性不足,构建了一种基于Kalman滤波的运动目标跟踪系统。对于运动目标的跟踪,此系统先采用背景差分法检测目标位置,再使用Kalman滤波算法估计目标位置。通过建模仿真,结果表明,该算法能较好预测运动目标的位置,实现了对运动目标的实时跟踪。     

基于Meanshift采样的辅助变量粒子滤波跟踪算法

针对视频图像运动目标跟踪时的时延问题和目标被遮挡时易丢失的问题,提出了一种基于Meanshift采样的辅助变量粒子滤波跟踪算法。采用AVPF算法作为跟踪算法的主体框架,对每个辅助采样粒子进行Meanshift转移,利用采样粒子确定候选目标区域,对候选目标模型与目标模型进行相似性度量,更新粒子权重,最后估计目标状态。仿真结果显示,本文算法能够有效处理跟踪过程中目标部分被遮挡的问题,具有较好的鲁棒性和较好的实时性。     

复杂环境中机动车跟踪实时性算法

针对复杂环境中机动车跟踪问题,为克服光照变化、噪声干扰、其他随机运动物体干扰,提出一种机动车识别和跟踪实时性算法。首先对图像进行光照补偿减少光照影响,用Surendra算法和三帧差法检测运动目标,并建立ROI(感兴趣区域)以缩小Haar识别范围提高系统响应速度;其次由训练好的级联分类器在ROI范围内识别机动车,从而保证高检测率和低误检率;最后利用Camshift算法跟踪机动车。为验证算法有效性搭建嵌入式系统平台,实验结果表明在背景复杂且其他运动物体干扰下,该算法较使用传统目标跟踪算法具有更好的鲁棒性和实时性。     

一种非迭代的同名标记点图像特征匹配算法

利用编码元和非编码元,根据标记点的尺寸、形状及灰度变化等特征提取目标,然后利用非编码元与编码元的不同形状与灰度特征,提出一种改进的编码元自动身份识别方法,同时实现非编码元与编码元的分类;并利用质心定位方法抽取标记点中心位置,抽取的中心具有亚像素级.在利用编码元的身份信息实现同名编码元匹配的基础上,由相似性和相容性确定非编码元的初始匹配,通过3个准则从非编码元的初始匹配中剔除误匹配,最终得到同名非编码元的匹配结果.经实验验证,该算法速度快、匹配率高、鲁棒性好.     

融合图像显著性的YOLOv3船舶目标检测算法研究

针对复杂水面环境下的船舶目标检测问题,运用融合图像显著性的YOLOv3船舶目标检测改进算法以提高检测能力。该算法基于Darknet-53网络模型,根据水上船舶特点,融合非极大值抑制算法Soft-NMS和显著性检测算法FT思想,进一步优化最终检测以达到更准确的效果。用Soft-NMS算法替换原有NMS算法,使得算法对小目标和重叠目标检测效果明显提升。融入FT算法对船舶图像局部细节作进一步细化,使得包围盒回归更加准确。在建立的数据集上进行训练与测试,实验结果表明,改进方法比原始方法准确率提高4%,达97%,检测速度提高10帧/s,达30帧/s,表明改进算法有效提高了船舶目标检测精度,且加快了检测速度。     

基于高斯分布估计的快速水平集分割方法研究

传统的CV模型只能用于分割灰度分布比较均匀、目标与背景灰度均值差异较大的图像,且因需要求解偏微分方程导致分割速度很慢.文章在传统快速水平集分割模型的基础上,将高斯分布估计引入速度项,使得快速水平集可以分割复杂的目标,并将HIS空间中的色调分量与强度分量进行融合,得到了一种彩色高斯快速模型.新算法具有分割速度快、可分割复杂目标的优点.     

基于最小二乘的异步航迹关联算法与仿真

针对多传感器目标跟踪问题,研究了一种多传感器异步航迹融合算法。由于不同传感器的采样时间各不相同,关联算法首先利用最小二乘法将局部航迹同步化,然后利用加权关联算法将局部航迹进行关联.仿真结果表明该算法能够较好地解决异步航迹的关联问题,在跟踪四个交叉目标的情况下,关联正确率接近90%.     

Virtual local target method for avoiding local minimum in potential field based robot navigation

INTRODUCTIONAutonomousnavigationisoneofthemostimportanttopicsinthemobilerobotareaandcanbecategorizedintotwoparts:reactivenavigation(Haddadetal.,1998)andpathplanning.Thefirstoneislocalpathplanningbasedandthesecondoneplansapathintheglobalworkspace .Localpat…     

基于RBM的语音特征提取方法研究

针对传统语音识别在多目标情况下识别率较低的问题,从特征参数提取角度,提出一种基于受限玻尔茨曼机（RBM）的特征提取方法。依据不同个体语音信号之间的特征差异提取特征参数,通过梯度上升算法调整网络参数以拟合给定训练样本,通过对比散度算法降低采样达标所需状态转移次数以提高算法效率,再利用重构误差曲线评价受限玻尔茨曼机对训练样本的似然度。实验表明,当隐含层节点个数为30时,参数提取的重构误差低于20%。此时使用改进的BP网络训练,与传统算法相比,综合识别率提高到86.9%,对提升多目标语音识别率具有重要意义。     

Virtual local target method for avoiding local minimum in potential field based robot navigation

A novel robot navigation algorithm with global path generation capability is presented. Local minimum is a most intractable but is an encountered frequently problem in potential field based robot navigation. Through appointing appropriately some virtual local targets on the journey, it can be solved effectively. The key concept employed in this algorithm are the rules that govern when and how to appoint these virtual local targets. When the robot finds itself in danger of local minimum, a virtual local target is appointed to replace the global goal temporarily according to the rules. After the virtual target is reached, the robot continues on its journey by heading towards the global goal. The algorithm prevents the robot from running into local minima anymore. Simulation results showed that it is very effective in complex obstacle environments. Project (No. 69904009) supported by the National Natural Science Foundation of China     

Automatic target tracking on multi-resolution terrain

INTRODUCTION In this paper, we propose an automatic target tracking method in our real-time simulation and animation system of large-scale terrain field. Our system supplies autonomous guidance, navigation and control of moving objects, in order to efficiently perform related challenging missions in manufacture, entertainment, and other real-world applications. Our goal is to deploy a large number of moving vehicles upon a large-scale virtual terrain (essentially a 2D curved terrain surfa…     

基于扫描相关积分法的海面快速目标探测

Conventional scan-to-scan integration correlation （SIC） algorithms can detect small and stationary targets. However, they are ineffective in detecting small and fast-moving targets. This paper presents an improved SIC algorithm together with clutter suppression measures that remove or decrease sea clutter. The algorithm divides the scan-to-scan integration （SI） into two branches, one provides optimum clutter attenuation by means of SI weighting while the other ensures that targets are detected even if they are fast-moving. Sea clutter suppression can lower detection thre-sholds and, at the same time, increase signal-to-clutter ratio. Simulation results show that the proposed approach greatly improves the detection capability for warship radar.     

基于KPKM算法的动目标检测与跟踪

针对均值偏移算法在跟踪目标发生形变和遮挡时丢失问题,提出了一种自适应目标检测、核函数带宽可变、Kalman滤波预测和重心轨迹跟踪的改进均值偏移算法（KPKM）。该算法利用目标检测中得到的外接矩形和重心作为均值偏移算法的初值,用改进的Kalman滤波器预测目标运动趋势,使本算法能沿着梯度方向快速收敛到目标中心。实验和仿真结果表明,该方法实现了在复杂场景下,对运动目标的精确检测和准确跟踪。