抗阴影和遮挡的动目标检测与跟踪

实际场景中往往存在运动阴影和障碍物遮挡等情况,严重影响了目标检测和跟踪的效果.为解决此问题,提出了一种抗阴影和遮挡的的运动目标检测与跟踪方法.该方法首先引入分类浮动更新策略,有效减轻了运算负担;其次,利用基于纹理梯度差和颜色特征不变量的阴影检测模块,为后续更加准确的分割前景创造了条件;然后采用基于MeanShift框架和最大化后验概率匹配相结合的方式跟踪目标,并引入了障碍遮挡跟踪机制,以降低运动目标在遮挡场景跟丢的可能性.实验表明,该方法可有效检测出运动目标的阴影,实现在遮挡场景对运动目标的稳定跟踪.     

线性调频脉冲压缩雷达遮挡区目标检测研究

针对低功率、宽脉冲远程天基线性调频脉冲雷达应用背景,提出了一种对采样数据进行前补零的数字脉冲压缩处理方法;在此基础上提出了利用目标信号在遮挡区外的剩余能馈对遮挡区目标进行检测和距离测量的有效途径;并对遮挡目标检测和距离测量的性能进行了理论分析和计算机仿真.     

基于Struck算法的遮挡目标跟踪

Struck算法是近年来综合性能较优的视觉目标跟踪算法,但对于较大比例遮挡或全部遮挡情形,算法性能下降明显.通过对Struck算法的分析发现,当遮挡出现时算法分类器会引入错误信息,从而导致跟踪失败或者跟踪漂移.在Struck算法框架的基础上加入遮挡判断机制,在检测到较大比例遮挡后停止分类器更新,并通过缩放搜索样本的尺寸解决目标尺寸快速变化导致的遮挡检测虚警;对于具有一定运动信息的目标,通过卡尔曼滤波器进行预测解决目标全遮挡后的持续跟踪.实验证明,提出的算法框架对遮挡情形下的目标跟踪具有较高的鲁棒性.     

基于注意力机制的水下遮挡目标检测算法

针对水下目标检测任务中存在前景遮挡和背景模糊的问题,文中提出一种基于注意力机制的水下目标检测算法。首先采用图像增强算法改善图像质量。然后在非局部神经网络的相似度函数基础上,融合具有逻辑推理能力的级联相似度函数,增强网络对全局上下文特征的表达能力。随后将改进型非局部神经网络与三分支注意力融合,弥补非局部神经网络丢失的通道特征。最后利用空洞卷积模块置换三分支注意力中的池化操作,减少细粒度信息损失。实验表明,该算法在2020年全国水下目标检测大赛提供的数据集上,使基线方法检测精度由65.66%增长至68.55%,证明了所提算法的有效性。     

基于仿射不变量的运动目标遮挡检测和跟踪

图像序列中运动目标的遮挡检测和处理是目前在动态图像处理时经常碰到,且比较难于解决的问题。本文针对复杂背景下图像序列的特性,给出了一种基于仿射不变量的多运动目标的遮挡检测和跟踪方法。该法首先给出了仿射不变量向量的构造,以及基于它的遮挡判决准则;然后,结合被跟踪目标的先验知识,给出丁,轨迹线以及遮挡区域的预测方法;最后,给出了依赖于仿射不变量向量的运动目标遮挡和跟踪的详细算法。实验表明新算法较好的解决了复杂背景下序列图像中的运动目标遮挡检测和跟踪的问题,较大的提高了运动目标跟踪算法的鲁棒性;同时新算法具有较快的响应速度。     

基于双模式遮挡检测机制的红外目标跟踪算法

由于运动目标存在不同程度的遮挡干扰,严重制约装备精确打击的能力.本文在空时上下文跟踪算法的基础上,提出了一种基于双模式遮挡检测机制的目标跟踪算法,该算法充分利用目标及其局部背景的上下文区域信息来预测遮挡状态,最大限度地提高遮挡预测的响应能力和重捕的精度.首先,利用双模式遮挡检测机制实现遮挡状态检测;一旦目标进入完全遮挡,对目标进行位置预测,并利用形态学操作提取疑似目标区域,降低匹配的复杂度;最后,采用基于直方图置信度策略对遮挡后的疑似目标区域进行重捕,实现整个遮挡过程的稳定跟踪.定性定量仿真实验结果表明,本文提出的目标跟踪算法在实时性,稳定性和定量指标上具有明显优势,适合工程应用.     

目标部分遮挡情况下的图像判读方法研究

文章提出了一种目标部分遮挡情况下的图像判读新方法,该方法基于飞行目标在相邻帧光测图像中的形状大小基本不变的原理,提出基于相邻帧部分图像的平移、对齐、融合的方法合成一幅新图像,利用合成后的图像进行判读,取得判读点被遮挡图像的判读数据。该方法对于拓展光测图像数据事后处理手段,有着积极的意义。     

基于粒子滤波器和风险决策跟踪遮挡目标的方法

为了跟踪遮挡目标,本文通过赋予外界遮挡和目标自身外观变化不同的风险度,利用风险决策的方法判断遮挡,设计了新的目标模板和模板更新规则,使目标模板既能随外观的缓慢变化自动更新,又能在全遮挡出现时维持模板不变.当这个新的目标模板和模板更新规则结合粒子滤波器的跟踪算法时,可实现遮挡目标的跟踪.实际视频流的测试结果表明,本文提出的方法可以有效判断遮挡,实现了长时间全遮挡情况下的目标跟踪.     

遮挡情况下目标跟踪算法研究

提出了基于分层模板匹配、模糊理论与卡尔曼滤波相结合的解决遮挡问题的算法。其以基于分层模板匹配为基础,模糊理论用于判断遮挡,卡尔曼滤波用于跟踪预测。Matlab仿真实验表明:该算法实现了跟踪过程中目标存在遮挡时的稳定的、实时的跟踪。     

一种低信噪比条件下点目标检测方法

本文提出了一种低信噪比条件下从图像序列中检测点目标运动轨迹的新方法。基于目标运动轨迹的连续性，构造了一种准连续性滤波器结构，采用正向－反向二次滤波算法，有效地抑制了噪声的影响。在此基础上，依据待检目标运动轨迹的性质定义了一种目标函数，将轨迹检测问题转化成为寻找该目标函数最小值的问题。进而由Ａ算法在加权图中搜索最短路径以获取目标函数的最小值，从而确定点目标的运动轨迹。实验结果表明，该方法克服了以往算     

抗遮挡与尺度自适应的长时间目标跟踪算法

针对核相关滤波(KCF)目标跟踪算法在目标发生尺度变化和受到遮挡时无法保证对目标长时间跟踪的问题,提出了一种尺度自适应抗遮挡的长时间目标跟踪算法.首先,将方向梯度直方图(HOG)特征和颜色(CN)特征进行融合并增加一个尺度滤波器用于估计目标的尺度;然后,引入平均峰值相关能量指标(APCE)进行遮挡判断,采用SVM分类器重新检测目标被遮挡后的位置;最后,根据平均峰值相关能量和位置滤波器最大相关响应值选择模型更新策略.选取OTB100和UAV123两个数据集进行实验,结果表明,改进算法能有效地解决目标尺度变化和遮挡等问题,实现对目标的长时间稳定跟踪.     

强背景杂波条件下运动的弱小目标检测方法

根据目标、背景干扰和噪声在红外序列图像中的差异。提出了一种基于空间高通滤波和时间域上N帧轨迹积累的运动小目标检测方法。该方法可以在低信噪比的情况下消除红外起伏和随机噪声的影响,有效检测出弱小目标。实验结果表明,采用这种时空混合处理的方法可以得到满意的结果。     

基于流形学习的遮挡条件下表情识别方法

提出了一种识别遮挡图像表情的方法。先用主元分析(PCA,principal component analysis)算法对遮挡图像重建;然后根据正态分布理论检测出遮挡区域,并根据图像的部分相似性,将遮挡图像嵌入到流形空间中;最后用支持向量机(SVM,support vector machine)实现表情分类。本方法较好地消除了遮挡区检测误差对表情识别的影响,对遮挡图像的表情识别具有良好的鲁棒性。通过Cohn-Kanade和JAFFE人脸库上的表情识别实验,验证了本方法有较强的鲁棒性、较高的识别率和较高的运行效率。     

具有遮挡鲁棒性的目标中心距离加权的跟踪算法

本文提出了一种实时跟踪算法,以目标中心距离加权的目标图像直方图作为模板,采用mean-shift迭代方法进行目标定位;当目标被部分遮挡时,用"分块匹配"的方法提高算法鲁棒性;对于超过一定像素的较大目标,本算法进行"降采样",大大减小运算量,从而实现了对大尺度目标的实时跟踪.实时视频流的实际跟踪系统验证了该方法的有效性.     

一种基于前后向误差比较的检测跟踪遮挡方法

目标跟踪中准确的遮挡检测对于跟踪算法适应性的提高至关重要.针对传统的遮挡检测方法对局部遮挡等情况判断准确度低、适应性差的问题,提出一种基于前后向误差比较并辅以区域标准差比较的方法的跟踪遮挡检测方法.该方法对目标在时序上进行前向和后向跟踪,通过比较前向跟踪和后向跟踪的轨迹误差并结合最佳匹配区域标准差的进行特征性检验确定是否发生了跟踪遮挡.相对于传统的跟踪遮挡检测方法,其优越之处在于克服了相似性阈值选择不当引起的目标跟踪遮挡判断不准确及适应性不强的问题.实验证明,本文提出的方法能够实现对目标跟踪遮挡的有效检测.     

一种改进的Camshift目标跟踪方法

为了解决单特征在目标跟踪中无法准确描述目标的问题,提出了一种多特征融合的实时目标跟踪方法。该方法将角点特征、轮廓特征融入传统的Camshift算法中,结合原有的颜色特征对目标进行描述。解决了传统算法易受同色物体干扰,抗遮挡性能差等问题。实验结果表明,该方法能够实现对目标的实时跟踪,当目标遮挡的时间较短时能够很好地识别目标,具有较高的鲁棒性。     

红外交通场景下遮挡行人目标检测算法研究

针对交通十字路口等视野盲区往来行人间存在遮挡情况,如何高效准确地检测复杂道路中目标行人具有实际意义。为了实现夜间交汇路口场景行人检测,提出一种基于改进YOLOv5的行人目标检测算法,采用Non local和PSA模块对YOLOv5原网络的Bottleneck CSP进行改进,能够有效弥补遮挡中行人特征的帧间信息交互过程,增强长程范围通道特征依赖关系。设计更深的160×160检测层和自适应anthor,提升夜间行人检测的边界回归精确度。实验结果表明,针对夜间下交通路口场景,压缩改进后模型对行人检测鲁棒性高,相较于原始算法mAP_0.5和mAP_0.5:0.95值分别提升了14.2和12.7,说明所提算法对夜间行人检测的有效性。     

基于特征通道和空间联合注意机制的遮挡行人检测方法

遮挡是行人检测任务中导致漏检发生的主要原因之一,对检测器性能造成了不利影响。为了增强检测器对于遮挡行人目标的检测能力,该文提出一种基于特征引导注意机制的单级行人检测方法。首先,设计一种特征引导注意模块,在保持特征通道间的关联性的同时保留了特征图的空间信息,引导模型关注遮挡目标可视区域;然后,通过注意模块融合浅层和深层特征,从而提取到行人的高层语义特征;最后,将行人检测作为一种高层语义特征检测问题,通过激活图的形式预测得到行人位置和尺度,并生成最终的预测边界框,避免了基于先验框的预测方式所带来的额外参数设置。所提方法在CityPersons数据集上进行了测试,并在Caltech数据集上进行了跨数据集实验。结果表明该方法对于遮挡目标检测准确度优于其他对比算法。同时该方法实现了较快的检测速度,取得了检测准确度和速度的平衡。