运动背景下弱小目标的提取算法

 对低信噪比运动背景下序列图像中弱小目标的提取算法进行了研究,提出一种新的目标提取算法。根据运动背景的相关性和目标运动的连续性,采用背景模板匹配技术,计算各帧背景运动量,去除复杂背景,用自适应预估和阈值分割技术捕获跟踪目标。实验中,结合所研究的算法,对100帧包含低对比度弱小目标的运动图像序列进行了处理。实验结果表明,此方法能有效地实现目标的自动捕获与跟踪,跟踪效率高,跟踪稳定。     

基于差分图像的运动目标跟踪与分割方法的应用研究

提出了一种基于差分图像运动检测和轮廓提取的跟踪与分割图像的方法。该方法首先从初始图像中提取目标的轮廓,然后利用相邻帧之间的差分图像初步确定目标在每帧图像中的粗略位置,最后把从上一帧图像中得到的目标轮廓置于该位置,并作为轮廓提取的初始值,由此可得到对目标的准确分割。     

基于多特征融合与ROI预测的红外目标跟踪算法

针对当前红外目标检测与跟踪算法存在场景自适应能力弱、专用性强,以及在大视场条件下,首帧图像中小目标误检率高的问题,提出一种红外序列图像目标自适应阈值分割、检测与跟踪方法.选取目标移动速度、目标轮廓的面积和周长、以及自适应分割阈值与感兴趣区域位置为动态变量,建立动态决策准则.采用首帧目标检测算法计算出序列图像的第一帧图像目标的静态变量和部分动态变量,再采用改进的局部自适应阈值分割算法分割后续帧图像,然后利用静态与动态决策准则筛选出分割后的真实目标,最后计算并更新动态决策准则.红外靶标测试结果表明:该方法对不同场景具有较好的适应性,四个场景平均跟踪准确率为95.81%,微机平台平均每帧处理时间为10.93ms,嵌入式平台为26.79ms.     

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。     

采用局部窗口跟踪运动目标

介绍对静态摄像机拍摄的时变图像序列进行分析的一种技术。本文提出的算法分为三个阶段:(1)运动探测;(2)目标锁定;(3)轨迹跟踪。在第一阶段,比较两幅连续的图像得出差图像,从而测出存在的任何运动。然后,在差图像中,划出子图像的界限,作为分析运动的有效区。第二阶段,将子图像分别与前后两帧进行比较。在每一相应的图像中确定出框住目标的局部窗口,然后将这些窗口用于下一阶段跟踪运动目标的轨迹。计算出各窗口的质点中心,并将其描述在二维平面上。将这些点简单地连接起来,就获得了运动轨迹。对于本文提出的这种方法,已经采用复杂背景中的实物图像,进行了在快慢速运动情况下的实验。     

基于多特征融合的微弱红外运动目标跟踪方法

利用红外跟踪测量系统能够同时获取目标运动信息（包括方位角、俯仰角以及角速度）、目标信号幅度及其成像面积等,提出了一种基于多特征融合的弱红外运动目标跟踪方法。分析了红外成像系统中目标信号特点,得到目标的运动、幅度和面积具有一致性和连续性,符合高斯分布;采用概率数据关联滤波推导量测各特征的关联概率,并根据特征的波动状况确定多特征融合的加权系数,估计和更新目标运动状态。理论分析和实验结果表明:该方法的跟踪精度和稳定性都明显高于仅依靠运动特征关联和依靠运动特征和幅度特征关联的跟踪方法。     

基于多特征融合的微弱红外运动目标跟踪方法

利用红外跟踪测量系统能够同时获取目标运动信息(包括方位角、俯仰角以及角速度)、目标信号幅度及其成像面积等.提出了一种基于多特征融合的弱红外运动目标跟踪方法.分析了红外成像系统中目标信号特点,得到目标的运动、幅度和面积具有一致性和连续性,符合高斯分布;采用概率数据关联滤波推导量测各特征的关联概率,并根据特征的波动状况确定...     

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。     

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。     

连续帧间差分与背景差分相融合的运动目标检测方法

为了克服背景差分法和帧间差分法的不足,有效提高运动目标检测的准确性、实时性和检测效率,提出了一种将连续帧间差分法与背景差分法相结合的运动目标检测方法.首先通过连续帧间差分法获得连续帧差图像,然后分别通过线性的自适应滤波、非线性的中值滤波获得背景图像进行差分,之后再利用阈值分割技术实现运动目标的增强,从而有效解决背景差分法和帧间差分法中都可能出现的无法检测目标的现象.实验表明,该算法可以有效避免漏检、误检等情况,提高运动目标检测的效率和准确性.     

多目标跟踪中目标数量准确识别算法

由于场景中存在目标遮挡与重叠的影响,以及检测时产生的分割错误,同一个目标往往被识别为若干运动区域,或者多个目标被识别为同一个运动区域,从而导致目标数量识别错误。为了解决这一问题,提出了一种结合融合与分离操作的理论来分析视频的方法,将多目标跟踪的问题转化成为一个找寻后验极值的问题。采用图论的方法表示观测结果,利用图像序列中目标运动轨迹和外观相似度的信息,将多目标跟踪的问题归结为找寻图中多个最优路径的问题。该方法采用了滑动窗口框架以便统计固定数目帧的信息。实验结果表明该方法能够应对实际中发生的上述现象,达到了准确识别多目标数量的目的。     

基于动目标检测的夜间视频实时增强技术

为了在普通PC环境中实现夜间视频的实时增强,对Ardely提出的DADPEQU夜间图像增强方法进行了改进,取得了更适合夜间图像增强的算法。设计了基于动目标检测的夜间视频实时增强策略,通过背景模板的使用,大大减少了增强处理的计算量,大幅提高了处理速度。将改进后的算法与增强策略结合,对夜间视频图像实时增强进行了实验,结果证明该算法既能取得较好的增强效果,又能满足实时处理的速度要求。     

Passive Tracking of Multiple Underwater Targets in Incomplete Detection and Clutter Environment

A major advantage of the use of passive sonar in the tracking multiple underwater targets is that they can be kept covert, which reduces the risk of being attacked. However, the nonlinearity of the passive Doppler and bearing measurements, the range unobservability problem, and the complexity of data association between measurements and targets make the problem of underwater passive multiple target tracking challenging. To deal with these problems, the cardinalized probability hypothesis density (CPHD) recursion, which is based on Bayesian information theory, is developed to handle the data association uncertainty, and to acquire existing targets’ numbers and states (e.g., position and velocity). The key idea of the CPHD recursion is to simultaneously estimate the targets’ intensity and the probability distribution of the number of targets. The CPHD recursion is the first moment approximation of the Bayesian multiple targets filter, which avoids the data association procedure between the targets and measurements including clutter. The Bayesian-filter-based extended Kalman filter (EKF) is applied to deal with the nonlinear bearing and Doppler measurements. The experimental results show that the EKF-based CPHD recursion works well in the underwater passive multiple target tracking system in cluttered and noisy environments.     

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。     

红外运动小目标的检测

通过分析天空背景下红外运动小目标、噪音以及背景的特征,提出一种检测方法·首先利用向量小波变换对运动图像进行预处理;其次采用图像差分进行目标的粗检测,提取出候选目标;最后可根据运动目标和噪音的特征对候选目标进行识别,检测出真实的运动小目标·实验证明,该方法可有效检测天空背景下红外运动小目标·     

基于特征角点的目标跟踪和快速识别算法研究

提出了一种基于特征角点的目标跟踪、识别方法,其运算效率较高,且角点不易丢失。从对基于灰度的角点提取方法和基于边缘的角点提取方法的比较入手,提出建立新特征模型的必要性。随后给出了一种既能提高运算效率又能简化跟踪模型的特征角点法。选取了飞行速度为300m/s的某战机序列共11帧连续图像作为处理对象,通过在主要配置为Pentium 4、80G内存计算机的、Matlab2006a软件的环境中进行仿真,算法的运算速度可达0.7s,与其他跟踪算法相比跟踪速度较快,表明该方法是一种简洁有效的目标跟踪识别方法。     

复杂背景下运动目标的光学相关识别

在应用光电混合联合变换相关器实现运动目标相关识别的过程中,针对目标与模板由于运动所产生的差异和复杂背景影响相关器识别率的问题,采用了一种以高斯函数的一阶导数做小波多尺度边缘提取和形态学膨胀进行边缘加粗处理相结合的方法。这种方法可充分利用小波多尺度的特点,使得提取后的边缘在抑制噪声的同时,能保留更多的细节信息,明显改善复杂背景下运动目标的相关识别问题。对以低对比度和小目标为特点的动态序列进行光学相关实验,结果表明,这种方法能有效增强探测目标的相关峰亮度,验证了算法对复杂背景下运动目标识别的可行性。     

一种复杂背景下红外目标提取的实时性算法

由于自然环境及成像条件的影响,红外目标提取常受到背景干扰的影响。针对复杂背景下的红外目标提取提出了一种算法,该算法采用预处理去除大量的灰度较低的背景和杂波,利用形态学滤波进一步去除部分背景和杂波,通过自动阈值分割最终将目标提取出来。该算法既克服了背景干扰,又保证了目标提取的效果,且算法实时性强。通过仿真对比证明,该算法对于复杂背景下的红外目标提取效果良好。     

基于CamShift和Kalman组合的改进目标跟踪算法

针对应用CamShift算法进行目标跟踪过程中,当目标被严重遮挡、目标被与目标颜色相近的背景干扰时易丢失跟踪目标的问题,提出了一种基于CamShift和Kalman滤波组合的改进跟踪算法;为克服目标因严重遮挡而丢失的缺陷,利用自适应算法改进了传统的CamShift算法,扩大了搜索窗口,使运动目标位于搜索窗口内;为解决目标因颜色相近背景干扰而丢失的问题,改善跟踪准确率,利用卡尔曼滤波预测目标运动空间位置,作为下一帧搜索窗口的质心坐标;基于上述改进,利用C++语言,研发了改进的CamShift目标跟踪软件模块,给出了该模块的算法流程;实验结果表明,改进后的目标跟踪算法能有效地克服传统CamShift算法的缺陷,大大提高运动目标跟踪的准确性;所提的算法可以应用于运动小车跟踪,人脸识别等领域。