基于CAMSHIFT算法的视频监控目标跟踪

随着智能监控系统的普及,智能监控技术在银行、城市安防、交通等部门得到的了广泛的应用.CamShift算法是基于监控视频图像颜色特征的目标跟踪算法,这种算法能够快速、准确地实现目标跟踪,鲁棒性能较好.监控视频中所拍摄的视频内容较多且视频拍摄环境较为复杂,因此采用CamShift算法能够有效对视频监控目标建立颜色模型并对其进行准确高效的跟踪.     

基于改进CamShift的多场景接力跟踪

为解决多场景多摄像机下目标接力跟踪问题,减少因场景、光照、视角、遮挡等变化引起的目标丢失,构建了基于CamShift算法的多颜色模型空间,并用多目标规划最优求解法获得最优组合,以减少场景转换给目标追踪带来的干扰;并利用IIR滤波器、加速度位移方程、二阶矩阵等对目标位置、速度、旋转角度等进行预测.大量实验表明,该方法能够在无人值守的情况下,对多个摄像机视频录像中的目标进行自动搜索和跟踪,跟踪效率较高,鲁棒性较强.     

一种地面目标的相关跟踪方法

提出了一种用多子模板对目标进行相关跟踪的方法，该方法建立了综合多子模板相关结果，目标跟踪判断及自适应刷新模板等准则，较好地解决了相关如何判断目标锁定，部分遮挡，相似目标出现及模板的刷新等问题。     

一种基于目标定位的背景建模与视觉跟踪方法

提出一种基于目标定位的背景建模方法,通过对视频序列中运动目标的位置进行预估,将前景点与背景点初步分离,进而构建背景模型,有效避免了传统时间平均法构造背景时产生的前景目标与背景混合的现象.实验结果表明,该方法无需预先存储背景图像即可实现场景中运动目标的提取与跟踪,弥补了传统背景差法需要事先提供背景帧以及对背景变化缺乏适应性的缺陷.     

一种改进的基于直方图反向投影的目标跟踪方法

用直方图反向投影法跟踪目标,其可靠性的一个必要条件是：目标的色度带宽较窄而背景区域的带宽较宽,这降低了其实际应用价值。因此本文中做出了以下改进：首先,对图像做预处理,增强颜色对比度,并且用局部背景代替全部背景做目标跟踪;其次,用三维联合直方图和核密度联合直方图作为目标特征,对颜色特征加以空间位置权重,以突出目标颜色而抑制背景颜色;再次,跟踪过程中对概率密度图加以合理更新,以适应环境光线、旋转、缩放时的鲁棒性。     

基于视频的运动目标跟踪算法

为更加准确、 快速地检测与跟踪到运动目标, 将背景差分法和帧间差分法相融合对 CAMSHIFT (Continuously Adaptive Mean-SHIFT)算法进行改进。 首先, 通过背景差分法和帧间差分法相融合确定目标所在 区域, 然后结合 CAMSHIFT 迭代算法实现目标跟踪。 实验结果表明, 该方法改变了传统 CAMSHIFT 算法需手 动选定目标和跟踪窗容易发散的局限性, 并提高了跟踪的准确性与稳定性。     

Mean-shift改进算法在火箭目标跟踪中的应用

针对火箭目标跟踪问题,提出了一种基于改进Mean-shift算法的火箭目标跟踪算法。为克服传统Mean-shift算法难以对快速运动的火箭目标进行跟踪的问题,以及在跟踪过程中的跟踪误差累积问题。采用3帧差分法检测出火箭目标的大概位置,然后在此基础上使用Mean-shift算法实现对火箭目标的精确跟踪。仿真实验表明所提算法能够有效的实现火箭目标的跟踪,并能很好的解决跟踪过程中的跟踪误差累积问题。     

CamShift算法在足球机器人系统中的应用与改进

现有的CamShift算法虽可实现指定目标的连续跟踪,但直接应用在足球机器人上存在需要手工指定搜索目标等问题;文章通过对CamShift算法的深入研究,提出在搜索过程中加入轮廓匹配、根据搜索返回值确定机器人的姿态和在搜索的迭代过程中加入目标运动区域预测等改进,在足球机器人上使用取得了很好的效果.     

基于FPGA的静态背景下移动目标检测

基于现场可编程门阵列(Field Programmable Gate Arrays, FPGA)硬件平台和背景差分算法设计一个静态背景下的视频移动目标检测与跟踪系统,并详细给出系统的实现过程.检测结果表明:采用FPGA硬件实现系统设计,极大地提高了系统的处理速度,在静态背景下,可以实时、准确地检测和跟踪到移动目标.     

一种地面目标的相关跟踪方法

提出了一种用多子模板对目标进行相关跟踪的方法，该方法建立了综合多子模板相关结果、目标跟踪判断及自适应刷新模板等准则，较好地解决了相关跟踪中如何判断目标锁定、部分遮挡、相似目标出现及模板的刷新等问题。     

非高斯噪声背景下计算机视觉目标跟踪方法

针对杂波背景下计算机视觉目标跟踪问题,提出一种非高斯噪声背景下计算机视觉目标跟踪方法.在视频目标运动模型和观测模型的基础上引入了柯西混合噪声模型,对非高斯噪声运动目标的状态进行建模;然后,在传统高斯噪声粒子滤波的框架内给出文中方法的具体实现步骤.针对大面积遮挡和夜晚光照改变的极端情况下对路上行驶的车辆进行实时跟踪实验,结果表明:文中方法明显提升极端杂波环境下的目标运动过程的建模精度,有效提升目标跟踪精度.     

基于HOG-SVM的改进跟踪-学习-检测算法目标跟踪方法

对于经典TLD(跟踪-学习-检测)跟踪算法,在目标受到遮挡、光照、干扰、旋转和尺度变化等问题时,会导致算法的跟踪精度和速度降低,计算的复杂度较高,实时性差。针对以上问题,本文提出了一种改进的TLD目标跟踪算法。首先针对检测模块中计算复杂度高的问题,将HOG-SVM结合替换原TLD算法中的2bitBP特征和集成分类器;再针对原算法中跟踪精度低的问题,将KCF跟踪算法替换中值光流法;在HOG-SVM+KCF跟踪算法的基础上,对滑动窗口法进行改进,解决原算法中实时性差的问题。实验表明,改进后的跟踪算法,在背景环境变化的情况下,跟踪精度和速度都有提高,实时性加强。     

一种基于多相关滤波器组合的目标跟踪方法

针对复杂跟踪环境条件下目标的跟踪失败问题,提出一种基于多相关滤波器组合的目标跟踪方法.首先2个分别采用颜色属性(Color Name,CN)特征和方向梯度直方图(Histogram of Oriented Gradient,HOG)特征的核相关滤波器(Kernelized Correlation Filter,KCF)通过自适应融合手段进行响应图信息融合,确定目标的预测位置;然后通过以目标区域为基础进行多尺度采样,提取CN-HOG拼接特征构建尺度相关滤波器,得到目标的最佳尺度;最后设计了模型的自适应更新策略,通过判断目标是否发生遮挡来决定是否在当前帧进行模型更新.在50组视频序列上对所提算法与6种当前主流的相关滤波跟踪算法进行了实验.实验结果表明,在复杂的跟踪环境条件下,所提算法取得了最好的跟踪精度和成功率,能够有效处理目标遮挡和尺度变化等问题,且具有较快的跟踪速度.     

基于改进的随机森林TLD目标跟踪方法

针对TLD算法中采用的随机森林分类器的决策树阈值固定,不能根据目标特征随时调整,影响分类精度和时间开销的问题,引入极端随机森林的思想,提出了基于改进的随机森林TLD目标跟踪方法。该方法用Gini系数度量样本集合的混乱程度,通过比较Gini系数是否超过了给定阈值,判断叶节点何时转变成决策节点进行分裂;再结合TLD算法中的P-N学习框架和在线模型训练更新样本;最终基于改进的TLD算法完成目标跟踪。将本文方法应用于多个视频集进行目标跟踪实验,验证了算法的有效性和稳定性。     

融合两帧差分法的改进视觉背景提取算法

针对视觉背景提取(Visual Background Extractor, ViBe)算法在运动目标检测过程中容易受到噪声干扰的问题,将两帧差分法融入ViBe的前景检测阶段,提出一种融合两帧差分信息的改进ViBe算法(ViBe with two-frame differencing, ViBe-TD)。首先,设计单阈值形ViBe(single-threshold form of ViBe, S-ViBe)检测,为信息融合做准备;其次,基于逻辑斯蒂(Logistic)回归模型,实现像素点上两帧差分和S-ViBe检测信息的融合;最后,综合两类检测信息完成前景像素点的判定。实验结果表明,ViBe-TD算法在4种不同场景视频上的检测效果达到了0.932的平均精确率,0.785的平均召回率以及0.842的平均F1值。与原算法相比,ViBe-TD算法的各项指标平均有0.158的提高,具有良好的检测效果。     

改进Camshift算法的DSP硬件实现目标跟踪方法

针对Camshift算法只对前一帧预测而导致的目标像素脱靶现象,以及目标像素在帧间位移较大的问题,本文提出一种改进Camshift算法的目标跟踪方法.该算法将加权背景直方图和贪心算法融入Camshift算法,利用贪心算法对前两帧图像信息进行处理,预测出目标在当前帧图像中的位置,再根据目标颜色概率,用Camshift算法找到目标的真实位置,最后在TMS320DM642(数字媒体应用的定点DSP)上对该文算法进行硬件系统的实现,并使用EDMA(增强型直接内存访问)方式和Cache技术对系统进行优化.实验结果表明,与传统Camshift算法相比,该文方法在背景与目标相近的情况下跟踪效果更佳,具有很好的鲁棒性和稳定性,适用于复杂环境下的目标跟踪.在系统实现上,优化后的系统平均帧率提升在3帧/s以上,增强了算法的速度.     

一种适合于边缘计算框架的改进型动目标跟踪方法

随着5G通信和物联网大数据技术的高速发展,传统的云计算模式已经越来越跟不上数据的增长速度了,边缘计算作为一种新的计算模式,表现出了很强的处理大数据和高速计算的能力.本文在“智能交通仿真系统”课题中,提出了一种适合于视频图像处理的边缘计算框架,并对传统的动目标跟踪算法进行了两点改进：（1） 采用树莓派作为视频前端处理器,具有体积小,成本低,计算能力强的特点,适合边缘计算;（2） 针对跟踪阶段需要采集大量样本,计算量大的缺点,采用了一种较小步长作为滑动窗的分步式图像采样方法对原压缩跟踪算法进行改进,从而减少了计算量.计算机仿真实验的结果证实了该算法在基本不影响跟踪精度的情况下提高了运算速度.     

基于改进归一化积相关算法的目标跟踪方法研究

针对归一化积相关算法（Normalizad Product Correlation,NProd）对光照敏感且计算复杂度高的特点,提出一种基于改进归一化积相关的实时目标跟踪方法.通过对NProd算法进行去均值改进,去除图像直流分量,抑制了图像灰度变化对相关峰的影响,提高了算法对光照变化的鲁棒性;通过应用先粗后精的分层搜索算法提高了算法实时性能;最后通过自适应模板更新改善了跟踪算法的稳定性.运动目标跟踪实验表明,该方法保留了NProd算法的高匹配精度,在亮度变化达到25%时可以保证跟踪稳定,且满足实时性要求.     

一种改进的无线传感器网络目标跟踪机制

针对无线传感器网络环境下运动目标跟踪问题,采用簇-树层次型的网络拓扑模型,提出了一种在该模型中改进的各传感器节点的工作机制.详细介绍了模型中节点的工作流程,并通过无线传感器网络中的能量模型方程与原节点工作机制中能量消耗进行比较,实现对网络中运动目标的跟踪.结果表明在不影响跟踪精度的条件下,改进的工作机制可以有效降低通信能量的开销.     

一种改进的利用背景检测弱小目标的方法

提出一种基于背景检测弱小目标的改进算法.该算法通过双重预测窗,分别用来预测当前像素的背景灰度和真实灰度,不仅能解决传统预测算法的边缘模糊问题,而且适用于双极性目标的检测,运算速度更快,是背景预测算法的一个重要改进.在导弹视频实时跟踪中,检测的可靠性和稳定性要求目标检测算法既要克服边缘模糊问题,又能保证导弹在亮、暗背景下都能正常工作.针对导弹跟踪系统提供的实际图像的试验表明,提出的算法能快速准确地检测出目标.