一种复杂背景下运动目标识别和跟踪方法

针对在复杂静态背景下对运动目标点识别和跟踪的问题,本文将复杂静态背景下运动中的小车作为动态目标,根据目标特征采用图像预处理和图像配准的方法完成了对目标的探测和跟踪实验结果表叫：该方法可以基本满足复杂背景下运动目标自动识别和跟踪的要求．     

基于帧间差分与时空上下文的自动检测跟踪算法

为了改善时空上下文（STC）跟踪算法不能自动检测跟踪目标的缺点,提出一种帧间差分与STC相结合的自动检测跟踪算法。该算法将帧间差分法检测到的含有前景目标轮廓及位置的矩形框传送给STC跟踪器,可达到自动检测与跟踪目标的目的,并且提高了跟踪精确度,降低了手动选定目标框的繁琐程度。通过实验对改进前后的STC算法进行分析比较,结果表明,改进后的算法具有更高的跟踪精度,可实现对目标的稳定跟踪。     

基于视频的运动目标检测跟踪模型的应用研究

本文采用了一种运动目标存在情况下的背景重建算法,能较好地抑制外界环境变化带来的影响。该运动目标检测算法通过一定数量帧的学习、统计,找到各坐标点像素灰度等级的分割阈值。在对当前帧图像进行背景差分后,分割出运动目标区域。若存在运动目标,则根据串行边界跟踪算法获得运动目标轮廓。获得边界后,模型将绘制方框显示运动物体,并发出警报。该运动目标检测模型用VisualC＋＋给予实现。     

智能监控中的运动检测算法研究

介绍了室内智能监控系统中运动检测算法的具体实现。利用帧间差分法提取运动目标,通过对差分能量和运动速度的分析判断出运动目标的大致动作。     

基于人脸检测的摄像机自动跟踪算法研究与实现

人脸识别是基于人的脸部特征信息进行身份识别的一种生物识别技术.用摄像机采集人脸图像,并自动在图像中检测和跟踪人脸,进而对检测到的人脸进行脸部一系列相关技术处理,包括人脸图像采集、人脸定位、人脸识别,达到识别不同人身份的目的.在该项目实现过程中,本文首先调用了OPENCV自带关于人脸识别的函数facedetect 来进行初步人脸识别得到的初步效果,用肤色做出了静态人脸识别,在图片上显示了人脸,并用椭圆形框对其识别.     

汽车列车轨迹跟踪性能仿真与模型试验研究

提出一种简单的控制方式,与传统的汽车列车轨迹跟踪方式相比较,这种控制方式并非通过单纯操纵牵引车转角控制汽车列车的轨迹跟踪,而是采用控制汽车列车的折角达到汽车列车系统的稳定,进而使得汽车列车具有良好的轨迹跟踪性.通过模型试验平台的实验,证明了该控制方式的稳定性.     

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。     

基于帧间差分与背景消减的视频摘要算法研究

为克服帧间差分法只适合于帧像素变化较大的视频检测及背景消减法只适合于固定背景模型的视频检测的缺点,提出一种新的基于帧间差分与背景消减的视频摘要算法,这种算法首先对前后两帧的帧图像像素进行检测,若无显著运动对象,则继续进行背景模型对比检测.实验结果表明,该算法能够快速、精准地对运动显著及不显著的视频进行摘要提取,浓缩事件精华,较高地还原视频关键信息内容.     

基于帧间预测码运动补偿算法

着重讨论帧间预测码运动补偿算法，该算法可获得比一般的运动块匹配方法更大的峰值信噪比。该基于小波变换域的块搜索匹配算法，在运动比较平缓时能以很少的运算次数马上找到块匹配点；在运动非常激烈时，则首先采用小波变换，然后再用本方法进行块匹配搜索，可减少大量复杂的运算量。     

高超声速飞行器模型建立与交互多模型轨迹跟踪算法

随着高超声速飞行器的快速发展,世界各军事大国在该领域取得了很大的成功,这同时也给其他国家带来了很大的威胁,因此开展反高超声速飞行武器的相关研究十分必要。通过对高超声速飞行器的动态特性深入分析,建立了三维的高超声速飞行器的运动学模型,并在此基础上采用交互多模型(IMM)算法结合卡尔曼滤波算法对高超声速目标进行轨迹跟踪。最后通过Matlab仿真实验平台对算法进行验证。     

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OpenCV的视频运动目标跟踪应用研究

在分析运动目标跟踪过程中遇到难点问题基础上,提出利用OpenVC技术解决方案,并对运动目标跟踪进图像应用进行研究,力求提高系统运行速度和跟踪效果稳定性。     

基于RBF神经网络逆系统的机械手轨迹跟踪控制

目的:针对机械手系统的高度耦合、非线性等动力学特性,系统结构和参数在实际工作中存在诸多不可预知因素,研究机械手的轨迹跟踪问题.方法:利用神经网络来构建机械手的逆系统模型,将其与被控对象串联构成伪线性系统,从而将非线性问题转化为线性问题,实现了机械手的在线建模、解耦控制.结果:仿真实验结果表明,迅速的跟踪给定的期望轨迹,脉冲干扰并未系统带来明显影响.结论:方案对控制系统有较强的适应性、稳定性以及抗干扰性能,有效地解决了机械手的轨迹跟踪问题.     

基于眼动跟踪实验的视译轨迹研究

本文以认知口译学为理论基础,提出了TD眼动跟踪实验的视译（SI）研究方法,初步建构TD眼动跟踪的SI研究范式。研究者对所教授的非英语专业的83名本科生做了SI眼动跟踪实验。通过对被试者的TD眼动跟踪轨迹研究,实验数据解析及SPSS统计比较计算,发现：1）平均眼动跟踪轨迹TD占位率高于偏离率,且TD占位率越高,SI平均成绩就越高;反之亦然;2）眼动跟踪轨迹回视率越低,SI成绩就越高;反之,眼动跟踪轨迹回视率越高,成绩就越低。应对策略：1）TD占位策略：眼动跟踪轨迹紧跟TD;2）零回视策略：眼动跟踪轨迹正向流动,非逆向流动;3）认知灵动策略：积极认知TD内容,激活LTM信息,发挥WM功效,精准快速对应SL信息。     

一种应用于大型综合实验的运动目标识别与跟踪方法

介绍了一种基于NM I特征的目标识别与跟踪算法,与基于图像灰度的跟踪算法相比,该算法利用运动目标的NM I特征值,避免了背景亮度变化对目标识别和跟踪的干扰,具有实时性好、抗干扰性强的特点,适用于复杂背景下的运动目标检测和跟踪。     

基于轨迹提取的舞蹈基础训练动作跟踪方法

为提出基于轨迹提取的舞蹈基础训练动作跟踪方法,降低复杂背景对跟踪效果的影响,助力舞蹈教学工作顺利开展,本文以舞蹈基础训练动作图像为输入构建FasterR-CNN模型,模型输入层依据各个舞蹈基础训练动作特点进行分类,并抽取每个分类的图像;将其输入到识别层获取舞蹈基础训练动作的分类与定位结果;关联层利用最小参照点投映间隔长度关联多幅图像的舞蹈基础训练动作定位结果,获得动作持续运动参照点位;参照点位经过拟合层拟合后,完成舞蹈基础训练动作轨迹提取;通过傅里叶变换将提取轨迹的跟踪过程视为相应函数的优化过程,实现舞蹈基础训练动作轨迹跟踪。实验结果表明,该方法可以准确地拟合出完整的舞蹈基础训练动作轨迹,同时可有效跟踪舞蹈基础训练动作的多个点位,未出现点位缺失或偏移情况,且动作跟踪完整度受背景复杂度影响较小。     

基于MDF-Nearest算法的轨迹隐私保护方法

传统轨迹匿名方法在匿名集生成时没有考虑用户多种特征属性,在信息攻击下无法有效保护真实位置;在轨迹形成方面因没有将余弦角度和轨迹间距离作为形成的依据,导致某些虚假轨迹无法有效保护真实轨迹。为改善以上问题,构建一种依据用户多重特征信息构建的匿名集以保证匿名有效性;采用协作用户的真实轨迹并计算相似性,从而生成虚假轨迹相似性高的MDF-Nearest算法。实验结果表明,该方法随着k值的变大与生成轨迹数量的增多,隐私保护效果逐渐改进;与传统k匿名方法相比,该算法时间开销降低41.7%,而隐私保护程度可提高至97.1%。因此该方法能以较低的时间开销,提供质量可靠的位置服务,保护用户信息。     

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。     

基于样本轨迹的Kinect手势识别算法

实现基于序列图像的手势轨迹识别,提出一种基于位置关系的手势轨迹识别方法,利用Kinect体感设备传感器提取轨迹序列,分析坐标序列的轨迹样本,通过黄金分割实现轨迹的匹配与识别。实验结果证明,该方法能有效识别手势轨迹。     

基于复合扰动观测器的自主地面车辆数据驱动轨迹跟踪控制

研究同时具有未知动力学模型、外部扰动的自主地面车辆(AGV)轨迹跟踪问题,设计一种基于复合扰动观测器的数据驱动控制方法.首先,提出一种基于视线法的新时变制导律,通过稳定二阶状态变换后的偏航控制系统,实现轨迹跟踪控制;其次,通过时间延时观测器对系统数据进行预补偿,并对补偿后的估计误差引入固定时间观测器,实现固定时间精准估计;最后,结合复合扰动观测器,设计轨迹跟踪控制策略.Matlab仿真结果表明,该控制策略可以有效驱使AGV遵循参考轨迹.