基于视频识别的移动目标追踪系统

本文所提到的算法是基于OpenCV模块设计出的一种,改进运动目标跟踪与检测的算法,基于CAMSHIFT算法来实现对运动目标的跟踪与检测。通过利用USB摄像头作为视频图象采集器,经过对图片的预处理,以及对HSV色彩空间转换,并在VS2013的编译环境下,实现一种对运动目标的新型跟踪检测方式。经过实验验证,并且通过观察实验实际检测结果可以得出结论,本文所提到的新型运动目标检测算法能够准确地检测出视频图像中的运动目标,并能无误地追踪目标。     

基于HSV-HOG的改进TLD目标跟踪方法

针对目前现有的TLD(跟踪-学习-检测)算法易受阴影、遮蔽、摄像机晃动或是目标快速运动的影响,提出基于HSV-HOG的改进TLD目标跟踪方法。首先,在跟踪初始化前通过加入HSV颜色空间提高TLD算法初始化速度以及抗噪性,使得TLD算法在阴影、抖动的干扰下依然能够实现较好的目标跟踪。若TLD算法选取的跟踪目标受到遮蔽、运动过快,则在算法中加入自适应kalman滤波预测目标物体可能存在的区域,缩小跟踪器的跟踪范围,提高跟踪速度,并在检测器加入后验HOG特性,对已缩小的预测区域进行检测,增强了检测器的判别和检测能力。实验证明,改进的追踪方法具有较好的鲁棒性和跟踪精度。     

基于声音源头追踪的目标跟踪模型仿真

随着声源追踪技术不断创新发展,声源定位精准度不断改善,目标定位噪音相互混合的问题逐步增加。传统的声音目标被动定位算法,利用简单的平面阵实现目标的多点定位,无法满足当前声源多点定位的噪音相互混合特点的声源计算,使其声源追踪的速度、时间及轨迹定位率降低。为此,提出一种基于声音源头追踪的目标跟踪模型,通过量测噪声参数对声源目标状态进行精准的检测与识别,运用交互式定位算法对识别出的声源进行距离时间预测,建立声音源头追踪目标跟踪模型,对声源进行精准定位的过程。仿真实验表明,基于声音源头追踪的目标跟踪模型仿真,通过模型集设置特点以及各模型间的交互式跟踪模型算法,在跟踪速度、实时性、缩短跟踪时间及轨迹定位等方面都得到了很大的提高。     

基于SPEOS CAA的手机外观视觉仿真

本文讨论了手机外观视觉仿真的原理与过程,建立了手机视觉仿真方法的框架模型。以CATIA为平台,依据人眼视觉仿真方法完成了手机外观模型的建立,并通过光学仿真算法,利用SPEOS CAA的VE模块对手机使用者的视线进行了追踪,成功模拟了手机的几组外观效果,避免了昂贵的手机样机制作。     

改进的粒子滤波的视频图像目标跟踪技术

主要研究了视频图像目标跟踪准确性问题。在基于核的颜色特征统计描述及以此建立视觉目标观测概率方法的基础上,提出了一种改进的粒子滤波视频图像目标跟踪算法。首先,本文给出了基于标准粒子滤波的单特征、单目标跟踪算法,然后针对加权样本参数的选择不同,提出改进思路,最后通过与基于均值移位视觉目标跟踪算法的实验结果对比。提出的改进的粒子滤波跟踪算法在稳健性方面有显著地提高,而且若适当选择视觉跟踪参数,在实时性方面能得到有效地保证。     

人类双眼定位原理分析

<正>引言人类获取的外界信息多种多样,主要包括:视觉、听觉、触觉、嗅觉、味觉等等,其中80%的外界信息是通过视觉得到的。在大量的视觉信息中,对目标的形状、结构、位置等进行分析时均需要目标定位,因此人眼定位对于目标跟踪、识别、人类行走和避障具有重要的意义。     

近红外光下瞳孔中心提取算法研究

眼球的运动决定了视线的方向,视线跟踪可以通过检测眼球来实现。基于视频图像的视线跟踪技术,主要有头戴式和桌面式视线跟踪系统两大类。所谓的头戴式视线跟踪系统就是将摄像头和红外光源固定在人眼周围,利用摄像头获取的人眼图像计算得到注视点的位置数据。为了实现视线跟踪,我们以头戴式视线跟踪系统为硬件基础,运用边缘检测等算法,并结合头戴式视线跟踪系统的特点,对瞳孔图像进行边缘提取、椭圆拟合等进行了研究与实验,取得了令人满意的测试数据。     

基于MATLAB的视觉方向识别算法

本文研究了人眼、瞳孔中心、眼角等视觉方向特征值的检测与识别算法在MATLAB中的实现。程序读取摄像头采集的实时图像,通过基于Viola-Jones目标检测框架的级联分类器对图像中的眼部进行识别;然后利用一个圆形检测窗找到灰度级最低的区域,校正后获得瞳孔中心点坐标。同时采用Otsu分割算法得到眼角坐标。最后将"角点向量"输入人工神经网络,通过大量样本的训练最终实现对7个视觉方向的识别。     

排球视频中的运动目标跟踪及检测算法研究

为了提升排球视频中的对于目标的追踪能力的准确性,本文利用Mean shift算法,提出了一种高效率并且又稳定的运动目标跟踪检测算法。算法根据排球在x、y轴上的坐标位置和排球在在x、y上的速度,进行观测向量的设置,并求解观测值。实验过程中采用五台摄像机对排球运动场进行全方位的目标跟踪,最终求解得到排球在三维空间的运动轨迹。实践证明,本文算法图像处理信噪比高,时间复杂度低。     

基于机器视觉技术的自动化理瓶机的设计研究

对灌装生产线上整理瓶环节的常见问题进行了分析,通过视觉检测技术与机器人技术的融合开发研制自动化理瓶机是保证产品质量的有效手段,本文对自动化理瓶机的设计方法以及关键视觉算法进行了研究。对于视觉系统搭建、视觉系统的标定、整理瓶的多目标分类跟踪技术算法、delta机器人轨迹规划及动态目标抓取、视觉控制系统设计等5方面关键研发问题进行了深入的论述并详述了研究方法和具体实施方案。通过自动化理瓶机的案例展示出视觉技术在复杂环境(杂乱无章)下完成高重复度、复杂分拣、挑选、整理等繁重工作的稳定性和高效性。     

抖动状态下的运动图像跟踪方法研究

提出了一种基于改进ROI特征匹配融合算法的抖动状态下的运动图像跟踪方法。该方法先依据图像边缘检测的Laplacian算子,通过计算抖动状态下的运动图像边界,获取了该图像中心点位置,通过建立ROI的图像灰度矩阵,组建其仿射变换目标变化模型,依据模型中目标轨迹的匹配概率计算图像融合中所产生的误差,提高了抖动状态下运动图像跟踪的整体准确性。实验仿真证明,基于改进ROI特征匹配融合算法的抖动状态下的运动图像跟踪方法能够大幅度提高抖动状态下运动图像跟踪的准确性。     

基于机器视觉的跟踪目标距离研究

研究目的在于完善机器视觉在目标物的检测、跟踪方面的技术,系统地研究应用图像处理各种方法,对物体进行检测、识别,用计算机视觉技术测量目标物的距离,并且应用于各种条件。主要任务包括摄像机标定、图像获取、图像预处理及目标物提取、测距算法研究几个步骤,详细分析了各个步骤的技术特点、存在的问题和解决方案。     

基于深度学习的无人机目标检测系统

本文基于机器视觉对无人机目标检测系统进行研究,采用YOLOv3作为论文的基础网络模型。在原模型的基础上对网络模型的结构和无人机预测框筛选算法进行了改进,提高了无人机检测的速度和准确率。在无人机识别的基础上,本文采用改进后的KCF算法对无人机进行跟踪,达到了很好的跟踪效果。     

基于OpenMv3视觉家庭安防机器人

为降低安全事故的发生,提高家庭环境的安全系数,特基于视觉跟踪技术而研发了一款家用视觉安防机器人。所谓视觉跟踪,就是指对图像序列中的运动目标进行检测、提取、识别和跟踪,获得运动目标的运动参数[1],如位置、速度等,并对信息参数进行相应的分析处理,实现对目标的行为理解。视觉跟踪解决的难题是在一段时间内对于同一个物体在复杂的场景下(如遮挡,明亮,物体扭转等)进行连续高速的跟踪,是监控、安防、自动驾驶、无人机、智能家居等应用中必须解决的关键课题。     

基于目标显著区域的图像检索算法

针对基于区域的图像检索技术中在构造显著区域时忽略人眼视觉的影响而造成的检索率偏低问题,提出了一种新的图像检索算法.首先,引入人眼的视觉特性,提取图像的一些有意义的点特征,构造显著区域,在此基础上,定义图像的特征描述符,以描述符为线索,将图像的形状特征和空间颜色分布特征有机进行结合,不仅克服了基于目标区域检索时的缺点,而且降低了传统目标区域提取算法的复杂度.实验结果表明,该算法具有较高的检索效率.     

基于多特征融合相关的弱小目标检测技术应用

弱小目标的检测与跟踪是当前雷达信号处理研究的热点。文章介绍了一种新的弱小目标检测跟踪技术,该技术基于生物视觉感知机理,将图像处理方法融入雷达信号处理,分析目标特征和杂波、噪声等背景特性,在此基础上探讨有效的背景抑制方法,并结合多特征信息融合方法实现在复杂背景下对弱小目标的检测与跟踪。     

基于颜色对比度及局部信息熵的目标检测算法

基于颜色对比度特征及局部信息熵提出了一种图像显著性目标检测算法。首先,选取了对人眼视觉反映敏感的对抗色颜色空间,然后考虑了包含距离权重的颜色对比度特征;接着,计算每个像素点的局部信息熵来表示图像的纹理特征,两者结合得到了图像的显著性特征;最后,在公开的数据库与流行算法进行测试对比,实验结果表明本文的算法具有较好的检测效果。     

一种基于无线视觉传感器网络的分布式多目标跟踪滤波算法

本文提出基于积分卡尔曼滤波的无线视觉传感器网络的分布式目标跟踪算法,用于从多个监控数码相机中汇总跟踪结果,然后通过中央处理器处理数据,返回到各个数码相机中,从而优化目标跟踪。无线视觉传感器网络是一个重叠视觉领域里的一个多监控摄相机网络,重叠视觉领域里有同样的目标经过,通过交换它们当地的目标位置和速率的估计值,在估计的过程中,每个加入的摄相机通过一致性算法汇总收到的状态。仿真结果表明,多个数码相机对目标预测的真实状态值要比单个数码相机预测值更精确。     

基于目标检测与加权混合特征的目标跟踪算法

由于传统Camshift算法在运动目标被遮挡、受到背景同色干扰、运动过快时存在跟踪失败问题,因而文中提出一种融合目标检测与混合特征描述的跟踪算法。针对传统单一的颜色直方图的描述,提出基于感知哈希算法、纹理特征与颜色特征相融合的混合特征表达方式表征运动目标区域。针对目标运动过快或者被遮挡的干扰,引入Kalman滤波来预测目标出现的位置,并结合运动目标检测,加快目标搜索过程,提高Camshift算法在目标跟踪与搜索时的准确性与时效性。选取不同场景下的多组视频进行实验,结果表明,跟踪算法具有较好的鲁棒性,验证了算法的有效性。     

基于包络插值追踪的图像编码数据库无源定位检测

图像编码追踪技术目前被广泛应用在生活的各个领域,现阶段的图像编码追踪系统釆用块结构的编码,受编码结构的限制,其预测的性能不好,从而影响了编码结构的性能。为此,提出基于包络插值追踪的图像编码数据库无源定位检测,通过图像包络插值技术,将图像编码模追踪模块采集到目标跟踪图像进行远程方式传输到数据库,在数据库中进行无源定位检测用以监测目标跟踪。仿真实验表明,基于包络插值追踪的图像编码数据库无源定位检测实现图像编码的追踪目的,实现项目的各项功能需求,具有跟踪连续稳定和无源定位跟踪省时的特点。为用户提供了更完善的图像编码追踪技术,优化利用了包络插值追踪技术,提高了无源定位系统的准确性,为图像编码追踪技术的发展提供了帮助。