视频序列中运动目标检测与跟踪

针对视频序列中运动目标的检测与跟踪,提出了一种基于边缘检测的背景差分算法。这种算法计算量较小,比较简单,在可以得到完整的运动目标的边缘信息的前提下,还不会受到背景的改变和光线的变化等外界因素的干扰。实验结果表明该方法具有良好的鲁棒性。     

基于OpenCV的交通视频运动目标检测与跟踪

智能交通系统（ITS）是目前世界交通运输领域正在研究和广泛关注的课题。OpenCV是一种用于数字图像处理和计算机视觉的函数库,由Intel公司开发。本文在目标检测方面,对采集到的交通视频进行灰度化、中值滤波、背景建模、二值化,背景差分等处理,可以较准确地检测出运动目标。在目标跟踪方面,提出了CamShift算法和Kalman滤波器相结合的方法,实现视频车辆的精确跟踪。最后,利用OpenCV的运动物体跟踪的数据结构、函数库,建立了一个视频车辆分析系统。用于道路上车辆的检测与跟踪,并具有良好的鲁棒性。     

体育视频中的运动目标智能跟踪研究

视频运动目标跟踪广泛应用于体育领域中,为了提高运动目标的跟踪精度,提出一种体育视频中的运动目标智能跟踪方法。首先收集体育视频,考虑体育视频中运动目标的多样性,采用改进背景更新差分法对运动目标进行检测,然后采用卡尔曼滤波算法对运动目标进行跟踪,最后对多个体育视频运动目标进行跟踪实验。结果表明,该方法可以准确、快速地对体育视频中的运动目标进行跟踪,而且运动目标跟踪的实时性要优于其他跟踪方法,为体育视频中的运动目标跟踪提供了一种新的研究工具。     

视频序列中目标的检测与跟踪

视频序列中,为降低背景变化对目标的检测与跟踪产生的影响,提出了一种新目标检测与跟踪算法。首先,以像素为基础建立时间序列背景模型,提高了目标检测的精度。然后,采用KD-tree算法进行目标跟踪,获得了运动目标的完整路径。实验结果表明,该方法在视频序列目标的检测与分析中,适应环境变化的能力强,达到实时处理的效果。     

视频序列中运动目标检测与跟踪方法研究

提出了一种从摄像头获取的彩色图像中准确地检测出运动目标并进行实时跟踪的算法。首先将采集到的彩色视频图像序列转化为灰度图像,研究了几种图像锐化方法并进行了比较。然后进行帧间差分和阈值分割,成功分离出运动目标。最后采用投影法得到运动目标的大小及位置。实验结果表明,提出的运动目标检测与跟踪方法简单、有效、实时性高。     

基于改进高斯混合模型的体育视频运动目标检测与跟踪

针对当前体育视频运动目标检测存在的弊端,提出改进高斯混合模型的体育视频运动目标检测与跟踪方法。通过分析高斯混合模型的弊端,保留原有的"背景重建-模型更新-背景更新-目标检测"处理进程,将彩色图像转换为灰度图像,在像素相似度差别小的背景区域进行动态扩张,加入基于灰度直方图的目标跟踪进程,提高高斯混合模型对体育视频运动目标的处理效率与精度。实验结果表明,所提方法对体育视频的干扰处理能力强,检测范围大,检测与跟踪效果好。     

视频序列中基于粒子滤波的运动目标的跟踪的研究

信息时代背景下,安防、交通等领域对智能视频监控系统的需求日渐增加。粒子滤波作为一种新型滤波算法,以其自身独特的优势,在视频目标跟踪中得到了广泛应用和普及,但是,粒子滤波算法在实际应用过程中,存在很多不足之处,在很大程度上影响其跟踪效果。本文将对视频目标跟踪算法进行分析和研究,阐述视频序列中基于粒子滤波对运动目标的跟踪,并对粒子滤波算法进行适当改进,旨在为我国相关领域发展提供支持。     

基于序列图像的运动目标检测与跟踪

序列图像中的运动目标检测与跟踪是计算机视觉研究的主要内容之一,在很多领域有着广泛的应用.介绍了一种基于背景减除法的目标检测算法,然后通过对前几帧中目标的质心用逼近函数预测出目标在下一帧中的位置.试验结果表明,该方法快速、有效,能够满足运动目标的检测与跟踪要求.     

视频序列中的目标检测

重点研究视频序列中运动目标的提取、跟踪、分类等问题,最终实现了一个完整的目标检测系统。首先,考虑到算法的复杂度和检测的实时性需求,优选了背景差与帧差相结合的检测方法,通过背景实时更新,达到了一个较好的检测效果。其次,充分考虑了卡尔曼滤波跟踪的简单、高效等特性,通过计算当前目标与候选目标之间的欧氏距离来寻找最佳匹配目标和区分相交物体。再者,提出了一种先用Adaboost算法获得各个目标的初分类,再采用BP神经网络对目标进行细分类的方法,实践证明,该方法在保证对绝大部分人、自行车、汽车有很好的分类效果外,对大部分杂物也能有较好的区分。最后,通过Matlab编程,设计并实现了一个完整的运动目标检测系统。     

目标跟踪序列检测方法

所研究的序列假设测试适用于数字图像序列中有关低可视机动点源目标的多帧检测和跟踪。所提出了多重多阶段设测试跟踪算法采用多阶假设跟踪策略，从序列检测目标轨迹那部分延伸所形成的轨迹。ＭＭＨＴＴ算法不需概率目标机动模型。利用截断序列概率测试求出计算的的有效系数，以便删除密密集候等外刀迹树和评价检测的那部分轨迹。文中利用光学卫星跟踪试验结果，介绍和证实了分析的性能评定。     

序列图像中运动目标检测与跟踪方法分析

运动目标检测与跟踪是计算机视觉研究争图像编码研究的主要内容,有着广泛的应用领域.研究了目前运动对象检测与跟踪的一些常用方法,包括时域差分法、背景差分法、基于光流场的检测方法和卡尔曼滤波、特征光流法的跟踪方法,井对各种方法进行了比较,指出其优缺点及适用范围,并给出了时域差分及背景差分方法的实验结果.     

视频序列中运动目标的检测与跟踪方法

提出了一种视频序列中运动目标的检测与跟踪算法,该算法采用基于码本背景建模的减背景法与差分法相结合的算法,实现对运动目标的快速精确的检测与提取,也能够在存在前景运动的过程中提取背景,使用卡尔曼滤波对运动目标在下一帧中最可能出现的位置进行估计,在此基础上利用Camshift跟踪算法进行较小范围的搜索和目标匹配,减少了运算量、节约了搜索和匹配的时间、提高了跟踪的速度。实验证明该方法具有一定的实用性。     

基于视频序列的运动目标追踪算法

介绍了一种对视频序列中运动目标追踪的实现算法,该算法在运动目标检测的基础上,融合了卡尔曼滤波和Meanshift算法实现对快速移动目标的追踪。卡尔曼滤波对下一帧目标可能出现的位置做出估计,Meanshift迭代算子在估计出的区域对目标精确定位。经实际验证其有效地克服了传统Meanshift算法对于快速移动物体追踪可能出现的丢失目标的问题,目标追踪效果明显提高。     

一种改进的运动目标检测与跟踪方法

为了解决传统的帧间差分法提取的运动区域不完整,且容易造成空洞等问题,将其改进为基于三帧差分的背景差分法检测运动目标。在跟踪方法上先对目标进行边界扫描,利用链码原理记录目标边界,再采用质心跟踪法。最后将算法移植到TMS320DM642的硬件系统上进行精度测试。实验表明改进后的方法使运动目标检测算法的性能得到很大的优化,可以有效、实时地完成对运动目标的检测与跟踪,实现不丢帧、跟踪精确。     

复杂地面场景下运动小目标的识别与跟踪方法

针对下视情况下复杂地面场景对机载光电系统目标检测与识别的影响,提出了一种基于平台运动补偿的下视场景运动小目标检测与跟踪方法。首先提取地面场景中的角点和线等不变性特征,通过图像配准实现平台的运动补偿,然后经帧间处理检测出潜在运动目标,并利用Gabor滤波器对目标进行初步筛选,最后通过轨迹关联和目标航迹累计数以及目标先验运动速度信息识别和跟踪光电系统视场内的真实目标。      

序列图象中运动目标的检测

本文针对运动目标的特点，讨论了运动目标的几种检测方法，并对其中差分算法作了适当改进。经实验证明，改进的算法比原来算法能获得更令人满意的结果。     

红外动目标识别跟踪系统硬件设计与实现

本文论述红外动目标识别跟踪系统的具体实现及相关理论分析,重点在于该系统的硬件模块实现及分析,并针对系统的可靠性进行了讨论.     

人体运动目标检测与跟踪方法的研究与实现

通过摄像机拍摄到的一段视频,对其中运动的人进行检测与跟踪。在目标检测方面,获取运动行人图像序列,利用自适应背景提取方法得到背景,根据将目标与背景进行分离的分割阈值,对差分图像进行分割,提取运动区域,检测出人体运动目标;在目标跟踪方面,选用基于Kalman滤波的运动跟踪系统,通过估计出运动目标的下一位置,对运动目标进行实时跟踪。这里的实验是在Linux平台上利用Intel的开源OpenCV函数库建立起模型并实现算法。经过多次仿真测试表明,使用Kalman滤波可以很好地解决实验中两个人握手时运动目标间遮挡的问题,并跟踪运动目标,而且处理速度比较快,能够满足一般情况下的实时性要求。     

基于自适应差分的多目标检测和跟踪

运动目标检测与跟踪在诸多领域里都有广泛的应用,是当前计算机视觉的一个热门领域。利用自适应阈值差分的方法对运动目标进行检测,并使用轨迹关联的方法对多目标进行跟踪。实验结果表明,该种算法很好地实现了视频图像中多目标检测和跟踪,更符合实际应用的需求。