一种基于数字图像的多目标检测方法

为使武器系统具备同时对多个目标进行精确打击的能力,在光电系统中可采用多目标视频跟踪器辅助激光照射器、伺服稳定平台实现多个潜在目标同时捕获跟踪并打击。研究了一种运行于多目标视频跟踪器的目标检测方法,针对数字图像分辨率高、数据量大及难以在嵌入式系统中实时运行的难点,基于TMS320C6455 DSP处理器,提出基于小波金字塔的全局运动光流估计算法图像配准实现运动图像的背景补偿以获取差分图像,相比传统的块匹配、灰度投影配准及基于特征点的配准算法,具有配准精度高与可嵌入式系统实时处理等优点,在差分图像中采用区域生长结合管道滤波算法提取图像中多个运动目标。经实验验证,该方法在复杂地面场景对汽车、自行车及行人目标检出率可达95%,计算时间仅为25 ms,具有良好的实时性和检测效果。     

无人机对地目标自动检测与跟踪技术

针对无人机图像帧序列具有平台高速运动，视角旋转强烈，需要实时处理等特点，提出一种基于双级旋转不变特征空间检测（粗匹配-精细匹配）与并行特征提取跟踪的无人机对地目标图像帧序列自动快速目标检测与跟踪算法。采用图像子块的平均灰度值、灰度值方差、灰度值梯度构建特征空间。通过构造图像特征空间的方法来快速筛选待匹配图像的可疑区域，删除大量的背景区域，检测算法使用全局初步匹配加局部精细匹配的方法来规避算法复杂度的缺陷。理论及实验分析表明:该算法实时性强，对图像的旋转畸变具有抵消作用，对异常情况可以恰当处理，且全局初步匹配流程具有可移植性，可以在其他图像匹配跟踪算法中充当预处理器。实验结果表明:该算法在无人机对地的情况下可以保证对地面目标的稳定跟踪，配套检测算法具有较好的实时性，满足无人机图像目标检测跟踪实时处理的需要。     

分布式网络信息数据防篡改方法研究

为在足球视频中有效的检测与跟踪运动目标,需要对足球比赛视频中目标检测与跟踪算法进行研究。当前采用的算法,在动态场景中,存在运动目标检测与跟踪效果不佳的问题。为此,提出一种基于OpenCV的足球比赛视频中目标检测与跟踪算法。该算法结合平均背景算法将足球比赛视频中目标图像分割为前景区与背景区,计算足球比赛视频每一帧目标图像和背景图像之间差值的绝对差值,同时计算每一个目标图像中像素点的平均值与标准值来建立目标图像背景统计模型,利用TMHI算法对足球比赛视频中目标初始图像进行阈值分割,得到初始分割图像,对分割图像进行中值滤波和闭运算,再使用卡尔曼滤波对分割后的目标图像进行处理,得到镜头中目标的质心位置和目标外界矩形框,然后对足球比赛视频中目标进行跟踪。实验证明,该算法有效的检测与跟踪足球视频中运动目标。     

基于星图识别的空间目标检测算法研究

从恒星背景中检测出空间目标是空间目标天基光学测量相机所要解决的关键技术难题之一。提出了一种基于星图识别的空间目标检测算法,利用背景星图的平移、旋转、比例伸缩不变性,应用星图识别原理,根据识别恒星在不同帧图像中的坐标变化估计背景运动参数,进行探测图像序列的配准,然后在配准后的图像序列中检测出空间目标。通过仿真验证,该方法对于运动恒星背景中运动小目标的检测具有比较好的效果。     

基于特征点的整数小波目标跟踪方法的研究

基于提升方法的整数小波变换的诸多优点,以Harr整数小波变换为例,提出了动态目标跟踪算法。对标准图像进行整数Harr小波变换,并将提升项取整,对提升项的参数用一定数量训练图像进行学习。选取在训练参数平方和为最小意义上的、使整数小波变换后的图像高频部分具有较大值的点作为特征点。对包含有目标的参考图像进行整数小波变换,选择高频分量具有较大值的点,利用训练过的提升项参数使目标和基准图像配准。由于算法采用整数小波变换,使提取具有较好的鲁棒性,从而实现目标发生旋转、平移及尺度变化等的跟踪过程。仿真实验表明,该方法能对动态运动目标进行跟踪。     

基于ARM处理器的运动目标检测与跟踪系统

运动目标的检测及跟踪技术广泛应用于军事与民用领域。传统基于PC的目标跟踪系统不能满足对体积、功耗及便携性的需求,基于ARM处理器S3C2440A和嵌入式Linux操作系统构建了一个比较完整、实用的目标跟踪系统。该系统利用摄像头采集运动目标图像,处理器进行数字图像处理,LCD显示跟踪目标。阐述了实现原理及图像获取、目标检测、图像分割和目标跟踪算法程序流程。通过实际测试,该系统能满足对低速运动目标的检测、识别和跟踪,且具有较好的实时性和稳定性。     

基于图像融合的动态轮廓线跟踪新方法

红外与可见光传感器是目标跟踪识别系统中常用的两种传感器,对这两种传感器图像进行融合能有效提高系统跟踪检测的准确性。将动态轮廓线模型与图像融合结合,在特征搜索过程中利用特征点准确地完成了图像配准,同时使用了一种新的特征级融合方法,将两种图像中目标轮廓的B样条曲线控制点进行实时微分耦合。这种耦合将Curwen提出的微分耦合机制作了改进,利用图像配准把刚性硬模板改变为实时的变换模板并推导了融合后动态轮廓线的新的动力学方程。这种融合利用了红外图像目标轮廓信息约束可见光图像中动态轮廓线的收敛形状,有效地提高了可见光图像目标跟踪的准确性。对运动人手序列图像的对比跟踪实验表明,这种融合使得可见光图像中动态轮廓线平均跟踪误差减小了60．25％。     

应用角点匹配实现目标跟踪

角点特征是图像的一个重要局部特征,因其具有计算量小、匹配简单以及旋转、平移、缩放不变的性质,而在图像配准与匹配、目标识别、运动分析、目标跟踪等应用领域都起着非常重要的作用。本文提出了一种新的基于角点特征的向量匹配方法,该方法利用Harris算子检测出目标角点,通过角点的矩特征形成目标的特征向量,最后通过对序列图像的目标特征向量进行匹配来实现目标跟踪。此算法在一般情况下能匹配80%以上角点,在遮挡情况下仍能正确匹配70%左右,处理速度达到20 frames/s,满足了实时要求。实验结果证明此方法可有效地抵御目标的变形和遮挡情况。     

一种基于区域生长的红外与可见光的图像融合方法

针对目前红外与可见光目标跟踪的视频序列融合难以满足实时性问题，利用红外图像目标与背景显著的灰度差异特征，结合目标跟踪中目标分割时常用到的区域生长法，通过区域生长方法从红外图像中提取目标区域，再将得到的红外目标区域与已经过图像配准的可见光图像的背景区域进行融合处理，最终得到既具有红外图像较好的目标指示特性又具有可见光图像清晰场景信息的融合图像。实验表明：该算法不仅简单易行，而且所得到的融合图像视觉效果优于其他融合算法得到的图像。     

一种目标级的遥感图像变化检测算法

传统的像素级变化检测方法对图像的配准准确度要求较高,因而在实际运用中受到很多限制.在人造目标检测的基础上,提出了一种目标级的基于局部配准误差补偿的变化检测方法.根据遥感图像中人造目标与自然目标的纹理差异,对图像中的人造目标进行检测和分割,再对分割图像采用提出的算法进行变化检测.实验表明,与传统的像素级变化检测方法相比,本算法具有较高的检测准确度,对配准准确度的要求也有所放宽,并且可以简化变化检测前的辐射校正工作和变化检测后的像素分类的工作.     

基于数学形态学的弱点状运动目标的检测

提出了一种新的基于数学形态学的红外图像序列中弱点状运动目标的非参数检测算法。采用数学形态学抑制背景杂波干扰和增强目标,用沿时间轴投影和二维空域搜索代替复杂的时空三维搜索形成组合帧,然后在每条可能的轨迹上将进行目标能量累加,实现了一种快速检测前跟踪(TBD)检测算法。仿真实验表明:在恒虚警概率条件下,该检测算法能高效地检测信噪比约为2的弱点状运动目标,检测性能对噪声分布不敏感,能精确地得到目标的即时位置和速度信息,适合于实时图像处理和目标探测,具有很高的实用价值。     

快速消除车辆阴影的多阈值图像分割法

 视频图像分割时的运动阴影由于与被测对象的相似性而常被误判为被测对象,传统的阴影检测方法一般难以满足实时智能交通系统对处理速度的要求。为此,提出用多阈值法分割图像,将灰度化的当前图像与背景差分,再用正、负两个阈值对其二值化,在分割出深色和浅色被测对象的同时消除阴影。实验表明,将这种方法应用于运动车辆的检测,具有速度快和阴影消除效果好等特点,可应用于实时的运动目标检测和跟踪等领域。     

基于运动检测的多车辆跟踪方法研究

针对交通监控场景中多目标粘连造成跟踪上的困难和前后两帧车辆关联困难,提出了区域运动相似性分割方法和相似度关联矩阵的解决方案;在运动目标检测过程中, 首先使用背景差分法提取运动区域,经过消除缺口、空洞和分离等处理,在运动区域所在范围内进行块匹配搜索和局部光流计算区域运动矢量,然后使用模糊聚类方法对运动矢量区域融合,完整的分割出粘连运动目标;在目标跟踪部分,目标跟踪建立在目标关联的基础上,提出建立连续两帧目标间距离和局部二元模式相似度关联矩阵的方法进行运动目标标定,从而实现多目标关联;使用公共视频库的图像序列进行测试,所提算法都能实现连续的跟踪和准确的运动目标分割,且处理速度快,表明了算法具有鲁棒性和适用性。     

基于FPGA的运动目标实时检测跟踪算法及其实现技术

运动目标检测跟踪有关的算法及其基于PC平台的实现已经比较成熟,但实时性较差。将采集的彩色视频流分成灰度和彩色两个数据流,灰度视频用于目标检测,彩色视频流用于跟踪显示。以经典的帧间差分法和背景差分法为基础,根据现场可编程门阵列(FPGA)的特点及片外同步动态存储器的存取控制要求,对这两个算法用FPGA逻辑单元进行了设计和实现。对原始彩色视频流和转换后的灰度视频流的存取使用乒乓操作,在滤波和形态学处理时使用了并行的流水线操作,极大地提高了算法的实时处理能力。在FPGA开发板上构建了一个彩色视频图像中运动目标检测跟踪系统,对系统性能进行了测试。实验结果表明,系统可在多种分辨率和帧率下进行运动目标进行实时检测跟踪;固定背景差分法对目标运动速度无限制,但当使用帧差法对快速运动目标进行有效的检测时,应使目标的帧差间距大于3.2像素。     

实时多运动目标提取与跟踪研究

介绍一种静止背景条件下实时多运动日标提取与跟踪的方法。使用了单模态背景模型,用连通检测的方法分割出目标,取得目标信息,采用特征参数匹配的方法跟踪目标。对实际中出现的目标停止移动、被背景遮掩和相交运动等情况做了分析。通过采集的图像序列证实采用所提出的运动日标提取与跟踪算法可获得良好效果。     

复杂背景灰度图像下的多特征融合运动目标跟踪

为解决低对比度、低信噪比、目标旋转、缩放等非理想状态给跟踪算法的研究带来的诸多困难,本文提出灰度图像多特征融合目标跟踪算法,保证在满足工程实践需要的条件下,能够对目标进行稳定的跟踪。算法首先对灰度图像利用Sobel算子求出梯度特征,将X、Y双方向的梯度特征与灰度特征相融合得到新特征,新特征在核密度函数下对低对比度,目标轮廓形状变化较大的情况有较高的适应性和稳定性,再利用背景建模的方法对提取的运动目标区域进行加权,降低非跟踪目标的权值,最后对融合后的加权特征目标利用改进MeanShift算法进行跟踪。通过大量的实验表明,该算法适应目标和背景的复杂变化,并且具有较强的鲁棒性,基本满足在复杂背景灰度图像下目标跟踪的工程实际需求。     

红外序列图像多运动目标检测

针对背景不动情况下提取红外图像运动目标,提出了一种基于连续四帧序列图像精确检测多运动目标的算法,并用软件仿真了该算法处理图像的效果并与其他方法进行了对比。经试验证明该方法算法简单,实时性好。对单目标、多目标、室内、室外、简单和复杂背景的红外序列都可以得到较好的检测效果。能够有效地去除背景和噪声,精确地确定运动目标位置,有利于后续的目标跟踪,算法适于实时应用。     

An unmanned aerial vehicle identification and tracking system based on weakly supervised semantic segmentation technology

This paper presents an unmanned aerial vehicle (UAV) identification and tracking system aimed at monitoring UAVs based on weakly supervised semantic segmentation. A camera is equipped with a pan–tilt to collect images for semantic segmentation network in real time. The GrabCut+ algorithm and annotation boxes are employed to generate the UAV “pseudo pixel labels” for supervised model learning and reduce labelling costs. A new loss function combining the focus loss function and dice loss function is designed to balance positive and negative samples and improve the segmentation effect. The Mixup method is introduced for model training to prevent overfitting and enhance the generalization ability of the model. The semantic segmentation network outputs the prediction results by a fully connected conditional random field to smooth the target image. Furthermore, a region-based tracking method is proposed to solve the hysteresis problem of the pan–tilt control system and improve the system tracking performance. Finally, an experiment based on a dataset is carried out to prove the effectiveness of the segmentation algorithm with 66.3% mIoU. Considering that 10% of the central area of view is specified as the view centre, a UAV falling in the centre of the field accounts for more than 80% of this view area, demonstrating the real-time effectiveness of the designed UAV identification and tracking system.     

自适应背景对消法在小目标检测中的应用

在小目标跟踪过程中，如何把目标从复杂背景中提取出来是实现跟踪的前题，根据运动背景下运动小目标的特点，提出自适应背景对消滤波法，该方法利用图像序列的相关性来检测目标。