一种基于算法融合的红外目标跟踪方法

视频目标跟踪的难点在于快速、准确地在帧与帧之间匹配目标.由于红外图像目标与背景的反差低,图像的边缘模糊并且灰度级动态范围小,使红外目标跟踪难度比可见光更大.本文提出一种针对红外日标跟踪的融合算法,该方法融合直方图和不变矩的特点.首先利用目标的直方图计算简单快速的特点,由均值平移算法快速找到局部最优解,但由于该局部最优解仪为直方图匹配的最优解,缺少目标形状特征,与实际目标位置存在一定的偏差;其次,利用边缘小变矩作为修正特征修正误差,避免跟踪误差逐渐累计而最终导致跟踪失败,以提高跟踪的稳定性和精度.实验结果表明,该算法能够消除跟踪过程中的漂移现象,提高跟踪精度.     

复杂天空背景下的红外弱小目标跟踪

为解决传统跟踪算法不能有效区分复杂天空云层背景边缘和红外弱小目标,从而在跟踪过程中产生“偏移”的问题。在时空上下文原理基础上分析跟踪“偏移”的原因,引入高斯曲率滤波,提出一种改进的时空上下文红外弱小目标跟踪算法。该算法首先采用高斯曲率滤波对上下文区域进行预处理,在保留上下文区域背景边缘的同时剔除高频的红外弱小目标和噪声,从而获得准确的红外弱小目标置信图,利用红外弱小目标置信图估计出红外弱小目标位置。采用四组复杂天空背景下的红外弱小目标图像序列进行实验,并与经典的模板匹配算法、基于粒子滤波的均值漂移算法和快速压缩跟踪算法三种跟踪算法作比较。实验结果表明,算法在主观视觉和客观评价指标方面均优于其他三种算法,具有更高的目标跟踪精度与较好的实时性,可以实现对复杂天空背景下红外弱小目标的有效跟踪。     

一种基于加权最多邻近点距离的相关跟踪方法

针对相关跟踪过程中障碍物遮挡,噪声和目标形变对跟踪稳定性的影响,提出了一种基于加权最多邻近点距离的相关跟踪方法。采用模板图像与实时图像的相似点个数并与距离进行加权的方式定义相似性度量,结合相似度对目标模板进行更新,采用Kalman算子预测目标位置并进行分层搜索,实现快速稳定跟踪目标。实验结果表明,该方法能较好地抑制噪声和目标遮挡的影响,目标遮挡重新捕获成功率高于80%,目标跟踪精度低于10个像素。     

图像跟踪中的边缘检测技术

为提高电视图像跟踪系统的图像检测精度,实现对目标的稳定跟踪,研究一种有效、实时的图像检测方法非常必要。本文介绍了边缘检测技术的基本原理,描述了几种边缘检测方法,如传统的基于经典微分算子的边缘检测、LOG滤波器与Marr Hildreth边缘检测算子、多灰度图像边缘聚焦法、Canny边缘检测算子、基于梯度信息的自适应平滑滤波和基于小波的边缘检测算子等。给出了边缘检测技术在实际图像跟踪中的应用实例,指出实际的电视图像跟踪系统可以根据不同的图像类型,考虑安全性、稳定性、精度噪声等因素,选择最优的边缘检测方法。     

基于改进SUSAN算法的箭环目标跟踪与测量

针对发射场火箭初始段漂移量的测量，提出一种带灰度梯度方向的SUSAN算子，实现了基于该算子与变模板相关跟踪算法的目标跟踪测量方法.首先在SUSAN特征检测原则的基础上，将对角点的检测转化为对边缘的检测，同时记录梯度方向，在剔除了图像噪音点之后，由具有特定方向信息的边缘像素点精确定位角点的坐标.该方法克服了标准SUSAN算法准确度低的弊病，使得对目标的提取准确度可以达到亚像素级，并增强了抗噪性能，实验证明该算法提取准确性高，运算量小，易于实现.     

基于引导滤波和核相关滤波的红外弱小目标跟踪

为了解决传统跟踪算法不能有效区分背景边缘和红外弱小目标的问题,基于图像引导滤波和核相关滤波,提出了一种改进型的红外弱小目标跟踪算法。将采用6组红外弱小目标图像序列得到的实验结果与采用经典跟踪算法得到的实验结果进行了比较。实验结果表明,所提算法在主观视觉和客观评价指标方面均优于传统算法,具有更高的目标跟踪精度与较好的实时性。     

目标跟踪与定位中的视觉标定算法研究

目标跟踪与定位中的一个重要步骤就是摄像机标定,其目的是估计摄像机的外部和内部参数。在严格的几何约束关系之上建立准确的数学模型,提出一种快速得到摄像机中心的方法,然后通过合理的求解次序获得其他摄像机参数,保证了标定参数的精度。利用计算出来的标定参数校正失真图像中的各个像素位置以重新得到像素间原来的空间关系,从而产生精确的不失真图像,并且利用摄像机标定参数对标定模板上的点进行位置计算后,再和实际位置比较进行检验。图像的校正效果实验以及精度验算的结果表明：提出的算法得到了准确可靠的标定参数,和其他算法相比有效提高了精度,能够满足运动跟踪时目标特征位置估计的精度要求。     

一种结合ORB特征匹配的均值漂移目标跟踪算法

针对传统的mean-shift跟踪算法基于单一颜色特征空间,在复杂背景下难以对目标进行准确跟踪这问题,提出了一种结合ORB特征匹配的mean-shift目标跟踪算法。该算法在mean-shift算法的基础上利用改进的ORB特征匹配算法修正目标跟踪窗口并实时更新目标特征模板,通过计算前后两帧图像中目标中心的欧式距离与色彩模板的巴氏距离来判定跟踪是否失败,当目标跟踪失败时,不改变目标模板,继续搜索下一帧图像中的目标。实验结果表明,与均值漂移算法和基于其他同类特征的改进算法相比,该算法提高了在复杂背景下目标跟踪的精度,并能满足实时性要求。     

路面车辆实时检测与跟踪的视觉方法

为向驾驶者提供有效的车辆位置信息,提高驾驶安全性,提出了一种融合多种目标特征的单目视觉车辆检测与跟踪方法。首先,利用车辆尾部的结构对称性提取出感兴趣区域,减少搜索范围。再利用车辆底部的阴影特征,在感兴趣区域中搜寻车辆可能出现的位置,找出假设目标。然后,利用亮度和轮廓信息对假设目标进行对称性验证,排除虚假目标。同时,融合颜色和梯度方向建立目标特征模型,利用均值平移算法在随后的图像序列中对目标进行快速跟踪定位。检测与跟踪联合工作在一种互动机制下,大幅改善了算法的有效性和实时性。实验结果显示,提出方法的正确识别率为96.34%,平均处理速度达24.27 frame/s,能够满足车辆驾驶安全性和实时性要求。     

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。     

基于分形几何边界提取的图像跟踪方法

为了满足现代武器装备对图像跟踪系统的实时性和跟踪可靠性的双重要求，针对武器装备所跟踪目标的特点，将基于分形几何的边界提取方法用于图像跟踪系统，提出了一种基于运动区域和边界图像的目标跟踪方案。文中的边界提取方法不仅能提取出目标的轮廓，还能较好地保留其内部细节，这样通过模板匹配得到的最佳匹配位置更加可靠。同时，基于运动区域的边界提取，尤其是对于远景的目标跟踪大大减少了计算量。此外，在利用边界图像进行匹配的基础上，采用了自适应模板更新策略，目的是尽可能地克服形变、光照等影响，使跟踪过程准确可靠。仿真实验表明，该方法运算量小，能满足武器装备实时性要求。     

复杂红外背景中运动小目标快速跟踪技术

在地面、海面、天空复杂背景下对红外小目标稳定跟踪是亟需解决的难题。为兼顾鲁棒性和实时性,以判别尺度空间跟踪算法为基础,应用可有效表征目标区域灰度突变特性和目标形状信息的广义结构张量算法作为特征提取方法。改进后的算法更适用于红外图像快速处理,能提高跟踪鲁棒性,且计算量小、效率高,目标特征维度低。为提高跟踪稳定性,依据置信度决定跟踪模型更新,避免模型被错误样本干扰。与判别尺度空间跟踪算法相比,所研究算法在准确性、实时性、鲁棒性方面均具有显著优势,且实现300 fps的跟踪速度@256×256像素图像。     

无人机视频运动目标实时检测及跟踪

对无人机拍摄视频中的地面运动目标提出一种实时检测跟踪算法。该算法利用特征点的对应关系将图像对配准,再对配准图像进行变化检测,根据变化和运动信息检测目标并消除虚警,将检测与跟踪相结合,对目标跟踪失效的情况,能重新正确定位目标,从而获取目标的完整运动轨迹。采用无人机拍摄的地面车辆图像的测试结果表明,算法能有效检测跟踪运动目标,并能达到25 f/s以上的实时处理速度。     

强背景下模糊闪烁成像目标探测与跟踪

 强背景下空中运动目标主要表现为边缘残缺、模糊,甚至出现闪烁、间断等复杂成像特性,这成为制约目标探测和成像跟踪的瓶颈问题。结合跟踪过程反馈信息来确定目标点扩展函数,利用一种新的Ben-Ezra图像复原模型,解决了目标运动模糊的图像复原问题;采用基于特征伴随值的相似性判断方法,构造联结机制的联想网络模型,来解决目标闪烁和残缺特征的联想问题。对提出的方法进行了图像序列的仿真,取得了较好的实验结果。     

基于自适应非参数统计模型的彩色目标跟踪算法研究

针对复杂环境条件下的视觉跟踪问题,提出一种基于自适应非参数统计模型的彩色目标跟踪算法。利用目标和背景之间的强度差别,基于自适应核密度估计模型对运动目标进行了非参数统计建模。为了实现具有较大范围运动目标的跟踪,在充分考虑目标和背景之间的相关性前提下,采用目标特征统计的背景加权直方图对搜索区域进行了扩大。为了提高对环境变化的适应能力,根据目标和环境的变化自适应更新目标特征分布模型。通过对实际图像序列的实验,结果表明该算法能够有效跟踪运动目标,并且平均迭代次数比传统方法减少了37.28%。     

基于颜色传递的双波段目标跟踪算法研究

针对复杂背景下Camshift算法容易丢失目标的情况,提出一种基于YCBCR空间将红外与可见光融合图像与彩色参考图像进行颜色传递后,采用Camshift进行目标跟踪的算法。该算法在颜色传递时充分利用双波段图像信息,得到的目标对比度高并且颜色空间较其周围背景突出,增强了目标的颜色概率图,提高了Camshift算法效率。实验表明,通过对可见光图像、经颜色传递后的红外图像以及传统颜色传递方法得到的图像采用相同跟踪算法进行定性分析,在该算法得到的图像中,跟踪窗口中心相对于目标质心仅有3个像素的误差,跟踪精度远远优于对比实验图像的跟踪结果,并且算法的跟踪时间为每帧20.6 ms,达到了实时性的要求。     

一种利用Gabor小波特征的目标跟踪方法

小波特征跟踪是一种新的目标跟踪方法。这种方法利用Gabor小波提取目标的边界特征来组成特征模板,并由小波滤波器系数组成特征向量。在跟踪过程中不断优化特征模板的旋转、尺度及平移等几何变形参数,使得小波特征向量值在最小平方和的意义上与初始值相匹配,从而实现目标旋转、尺度及平移等几何变形时的自动跟踪。实验表明,该方法能够有效地跟踪飞机、车辆等目标,并且能够抵抗全局亮度的变化和局部遮挡的干扰。     

基于改进巴氏指标和模型更新的视觉跟踪算法

传统的Mean Shift算法采用巴氏系数度量模型与候选模型之间的统计特征相似性,但是由于背景特征的影响,有时应用巴氏指标进行匹配得到最优解的位置并不一定是目标的实际位置,在跟踪过程中可能导致目标定位出现偏差。该文提出一种改进的巴氏系数相似度指标,指标由于引入了前景/背景置信值,能够有效抑制待匹配区域中背景特征的影响,突出目标特征的权重,与原始的巴氏指标相比,明显提高了目标匹配的准确性。基于改进的巴氏指标,对目标与背景区域双模型相似度系数进行综合分析,合理地判断干扰目标匹配的原因,从而采取相应的模型更新策略。采用4段具有挑战性的视频序列对5种跟踪算法进行了测试,通过定量实验分析可知,文中算法处理1帧视频所需的平均时间为75.76 ms,实时性仅次于原始的Mean Shift跟踪算法,同时跟踪误差在5种跟踪算法中取得了最优结果。实验结果表明,该算法能够有效抑制背景干扰和避免模型漂移,在不同的复杂场景下都具有一定的鲁棒性。     

Robust visual tracking base on adaptively multi-feature fusion and particle filter

In order to avoid the tracking failure based on single feature under the conditions of cluttered backgrounds illumination changes, a robust tracking algorithm was proposed based on adaptively multi-feature fusion and particle filter. Color histogram was used to describe the overall distribution characteristics of the target and histogram of oriented gradients containing some construction information and LBP is very effective to describe the image texture features. The Three features were fused in the frame of particle filter. Meanwhile, the weights of each feature were adjusted dynamically. The experimental results show that with adaptive fusion, the tracker becomes more robust to illumination changes, pose variations, partial occlusions, cluttered backgrounds and camera motion.