基于运动目标跟踪的视频监控系统

文章介绍了一个可以实时捕捉运动目标的视频监控系统,重点介绍了该系统的硬件结构和软件实现.该系统利用VisualC++和OpenCV编写程序,实现了视频图像的预处理,运动目标的检测和远程报警等,利用单个普通摄像头在-般的室内环境下准确监控运动目标的位置.     

浅谈基于背景建模的运动目标跟踪

在传统的目标跟踪mean-shift算法中,需要通过手动来获取所要跟踪的区域,不能够满足智能监控的效果。为了达到无人智能监控的目的,采用背景建模法,并且以一定的速率更新背景,检测并提取出运动目标的轮廓及其质心,再结合Camshift算法进行跟踪,从而实现无人监控的自动跟踪。实验证明,该方法实时性高,跟踪准确。     

基于OpenCV的运动目标检测与跟踪

提出了一种针对动态激光点的目标检测与跟踪方法,将Intel公司开放的OpenCV开源计算机视觉库源代码作为基础函数库,改写或者调用其中的函数,在Visual Studio 2010平台上编程实现,配以红光窄带滤光片对实时获取的视频图像进行预处理,以实现对红色激光点的目标检测与跟踪。实验结果表明,该方法具有目标跟踪快、噪声小、实时性好等特点。     

基于混合高斯模型的运动目标跟踪算法

视频帧序列中实时运动目标分割的一般方法是背景差分或者是对于背景图与当前帧的阈值公差。不同的方法之间的区别在于对于背景图的建模和模型的更新策略。本文讨论对每个像素进行混合高斯模型建模和使用在线近似的方法更新模型。自适应混合高斯模型的分布用来评估决定哪些像素点最有可能来自背景处理过程。每个像素点根据最有效代表它的高斯分布是否为背景模型的一部分进行分类。本文最后得到一个稳定、实时并且对于轻微变化不敏感和长时间的场景变化的跟踪器,满足24h×7的基本工业要求。     

基于特征点的运动目标跟踪算法研究

由于目标的姿态和大小不断发生变化,本文通过对SIFT特征点的跟踪实现对目标可靠、稳定跟踪,即采用SIFT算法与光流算法相结合的跟踪算法。由于SIFT特征点存在分布太密集的现象,增加了后续跟踪算法的耗时性。针对以上这类问题,本文加入距离约束机制对SIFT算法进行改进。光流只适合小运动,本文采用基于图像金字塔模型的光流跟踪以适应大尺度运动。利用基于多尺度分层的金字塔结构,实现小窗口捕获大运动。通过实验证明,本文所采用的算法相对于传统光流具有更好的鲁棒性和稳定性,能得到更加准确的目标位置。     

基于视频的运动目标跟踪算法研究及改进

基于视频的交通事件管理过程中需要知道运动目标的个数、运动快慢等参数,这些数据的得到需要进一步对相关检测目标进行跟踪。运动目标跟踪的主要工作是提取、识别以及跟踪,既而得到跟踪目标的位置、速度、加速度和运动轨迹等相关运动参数。运动目标跟踪算法一般情况下包括基于区域、基于特征、基于模型、基于轮廓的跟踪方法等,各种算法有自己的适用环境及优缺点。     

基于联合粒子滤波和Mean-Shift的运动目标跟踪算法

Mean Shift跟踪算法能有效实时对运动目标进行跟踪,但是当目标运动速度过快或者目标被遮挡时,跟踪效果会下降;粒子滤波跟踪算法适用于非线性非高斯环境,其跟踪效果与粒子数息息相关,数量少了导致粒子匮乏,数量多了会影响实时性。为解决上述问题,本文将mean shift和粒子滤波融合。实验表明,本文算法在运动目标速度较快和目标被遮挡时均取得了较好的跟踪效果。     

基于TMS320C6202 DSP的运动目标跟踪系统

本文描述了一种以TMS320C6202数字信号处理器为核心的高速图像处理板和图像实时采集卡及摄像头构成的实时运动跟踪系统。提出了一种快速图像匹配的相关跟踪算法,给出了在复杂背景下跟踪飞机的实验结果。实验证明该系统性能可靠,跟踪效果较好,并有较高的实时性。     

基于改进无序运动数学形态特征的弱目标跟踪

在视频无序运动目标实时跟踪中,无序性的出现会使所跟踪目标的尺寸和色彩等外观线索失去强度可靠性,跟踪目标的弱化会导致对目标地错误跟踪.为了克服这一问题,本文提出了一种基于改进无序运动数学形态特征的弱目标跟踪算法.该算法根据数学形态模型,分割出图像中的可跟踪特征,进行弱化特征增强,利用卡尔曼滤波预测各目标是否遇到是真实跟踪模型,在目标较为弱化的情况下,可以计算最佳定位信息更新目标信息.计算机仿真结果表明,所提出算法能够在保证实时性的前提下,在目标较为弱化的情况下,均能实现准确跟踪,并且跟踪结果令人满意.     

图像处理领域运动目标跟踪技术综述

本文简要介绍了计算机视觉领域中的运动目标跟踪技术,对相关的专利申请情况进行了分析,并对目前主流的运动目标跟踪算法进行了重点介绍,列举了相关专利申请中的改进算法。     

基于云台摄像机的快速移动人脸检测与跟踪设计

为实现校园的安全监控,提出基于云台摄像机的快速移动人的检测与跟踪算法。介绍云台摄像机用于校园安全监控的基本构成。通过控制摄像机云台两自由度旋转角度及使用DEEPID2识别算法实现对运动的特定人检测与跟踪。应用效果表明:本设计方案对特定移动人的识别率较高,识别鲁棒性较强,达到检测与跟踪效果要求。     

一种快速的运动目标跟踪方法

本文详细介绍了一种快速的运动目标跟踪方法。首先采用基于时间差分的方法将运动目标从背景中提取出来。然后使用连通区域分析法,确定每个目标块的具体位置信息。最后通过区域对应和基于颜色最小欧式距离的方法画出每一个目标在场景中的轨迹信息。实验证明,本文的方法能够快速实时实现目标的跟踪,并且具有较高的准确性。     

基于对称差分和特征点SSDA算法的运动目标跟踪

针对模板匹配跟踪算法在模板更新时一旦模板信息更新不当,易出现目标跟丢及难以重新捕获目标的问题,给出了一种对称差分和特征点SSDA相结合的运动目标跟踪方法.该方法综合了对称差分法的优点,不仅可以自动提取目标模板,而且在目标跟丢时,可以重新捕获目标.另一方面,该跟踪方法还利用了SSDA算法的优点,不仅搜索目标速度快,而且在运动目标变为静止时以及运动目标较小时,也能保持稳定跟踪.实验结果表明该跟踪方法是行之有效的.     

一种基于Kalman滤波器的运动目标检测和跟踪算法

视频或图像序列中的运动目标检测与跟踪已成为计算机视觉领域研究的重要方向之一。本文实现了视频序列中的运动目标检测,使用了背景差法和帧间差分法检测到运动目标并进行了优化。Kalman滤波器是一种在时域内采用递归滤波的方法对系统状态进行最小均方误差估计的方法,本文提出利用Kalman滤波器实现运动目标跟踪中的形心跟踪的方法,可以准确预测到运动目标的一下个状态,得到良好的跟踪效果。     

基于DSP视频运动目标的实时检测与跟踪系统研究

为实现复杂背景下对任意目标的智能检测与稳定跟踪,采用TI公司TMS320DM642专用数字信号处理器,架构-视频运动目标检测与跟踪系统.实验表明,在目标变化和有物体遮挡干扰的情况下,系统能获得连续稳定的跟踪效果.     

基于对称差分和特征点SSDA算法醛运动目标跟踪

针对模板匹配跟踪算法在模板更新时一旦模板信息更新不当,易出现目标跟丢及难以重新捕获目标的问题,给出了一种对称差分和特征点SSDA相结合的运动目标跟踪方法。该方法综合了对称差分法的优点,不仅可以自动提取目标模板,而且在目标跟丢时,可以重新捕获目标。另一方面,该跟踪方法还利用了SSDA算法的优点,不仅搜索目标速度快,而且在运动目标变为静止时以及运动目标较小时,也能保持稳定跟踪。实验结果表明该跟踪方法是行之有效的。     

商场云台摄像机跟踪控制策略及实现的研究

如今,商场的监控系统由监控人员盯着屏幕。当发现可疑分子,可疑分子需要跟踪的操纵杆。当目标分子远离镜头,监控人员需要手动调整变倍系数,目标锁定在一个固定大小的屏幕上。这个过程中监控人员跟踪可疑分子,可能会有人工错误。本文的智能商场云台的监控系统,通过监视人员选择选择可疑分子,控制PTZ旋转和缩放锁定可疑分子总是在屏幕的中心,可以自动减少,扩大屏幕,大大提高一个监测效率。     

智能视频监控中运动目标跟踪技术论述

随着科学技术的迅速发展,视频监控技术也在不断的进步。在智能视频监控系统中最基本并且应用最广泛的技术就是目标的检测以及追踪技术。本文从运动目标检测的方法入手,针对智能视频监控中运动目标的检测以及跟踪技术进行详细的研究。     

复杂背景下运动目标检测与实时跟踪

为准确追踪复杂背景下视频序列待处理目标的位置,提出一种基于互相关信息和Mean Shift相结合的目标追踪算法。将待处理帧和背景帧图像从RGB空间转化为GRAY空间,利用背景剪除法获取待匹配帧的基准图像,对基准图像用快速傅里叶变换得到基准图象和模版图像的相关性,结合Mean Shift最终确定目标图像的位置。实验结果表明,该方法在遮挡、环境干扰等复杂情况下均能稳定有效地追踪目标。     

基于视频的人手运动跟踪系统

文章介绍了一个可以实时捕捉人手运动的跟踪系统,重点介绍了该系统的硬件结构和软件实现.该系统通过结合使用人手检测、肤色捡剐等技术.利用单个普通摄像头在-般的室内环境下跟踪人手的位置.作为一个实时跟踪系统,该系统实现了人手的准确跟踪.