混合模型的运动目标检测与跟踪算法

针对运动目标检测与跟踪算法计算准确率低、效果差的问题,结合Kalman滤波算法,提出一种基于高斯混合模型的运动目标检测与跟踪算法。对传统的权重更新机制进行改进,以保证背景的持续更新状态。建立高斯混合模型,对运动目标图像进行处理,对图像中的参数信息进行实时更新,在Kalman滤波器的性质影响下进行目标跟踪,将获取的运动目标位置作为信息输入,完成运行并跟踪。在更新的过程中,根据运动目标的状态确定矩阵,目标遮挡也不会影响追踪的效果。结果表明,利用Kalman滤波器对运动目标进行跟踪,可以取得良好的运动目标跟踪效果。     

基于光流和贝叶斯算法的目标跟踪研究

在本文中提出了一种方法来处理视频流中移动目标的跟踪,并且能够确定目标的移动速度。利用光流与贝叶斯方法在每一帧图像中检测对象,这种方法能够提高光流的检测性能,利用目标的质心像素位移来确定目标的移动距离,目标的速度是利用系列帧中目标移动的距离之间的帧数来计算的。实验表明,该方法能够有效地进行目标跟踪。     

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GMM与KLT算法的运动目标检测与跟踪方法

在视频监控方面,存在着运动目标的各种行为,针对这种情况,提出一种基于GMM与KLT算法的运动目标检测与跟踪方法.首先用基于GMM的背景减除法对运动目标进行检测,再通过形态学处理得到目标区域,然后对运动目标进行KLT特征点跟踪,最后根据特征点画出运动目标的运动轨迹.实验证明该算法有良好的检测结果与跟踪效果.     

运动目标检测与跟踪算法的改进与实现

提出了一种对视频图像中运动目标检测并进行实时跟踪的新方法。该方法利用基于背景建模的背景差分与改进的带时间戳的运动历史图像(tMHI)的目标分割相结合的算法对运动目标进行检测,在获取到视频流中的运动目标轮廓后使用基于tMHI的运动梯度算法来实现运动目标的跟踪。实验结果表明,该方法能够对指定区域内的目标进行有效识别和准确跟踪,并且弥补了运动目标暂时性停止时无法检测出来的不足。     

运动目标跟踪算法综述

随着视频监控技术的不断发展和视频监控系统的广泛应用,目标跟踪是近年来一个重要的研究课题,目标跟踪技术是监控系统中最重要、应用范围最广的技术之一,目标跟踪技术的实现依托于目标跟踪算法。运动目标跟踪算法具有广泛的研究价值和挑战性。本文对当前主流的运动目标跟踪算法:Kalman滤波算法、Mean Shift算法、粒子滤波算法等进行了研究,归纳总结了每种跟踪算法的优缺点、适用性和局限性,通过对跟踪算法的分析对运动目标跟踪技术的发展趋势进行了展望。     

基于OpenCV的运动目标跟踪系统研究

本文分析比较了传统运动目标检测的3种主要方法：背景图像差分法、时态差分法和光流法,在此基础上给出了一种背景图像预测算法,大大减少了因为背景变化而产生的目标检测误差。本文基于OpenCV设计出改进的运动目标检测与跟踪算法,实现了运动目标的跟踪,并在VC＋＋编译环境下,利用USB摄像头作为视频采集器,通过观察实验结果可以看出,本文的运动目标检测算法能够正确地检测出视频图像中的运动目标,而且在检测性能上优于普通的自适应背景差分法。     

视频监控运动目标检测算法研究

视频的运动目标跟踪有很多干扰因素,如目标改变、复杂场景、目标变形等。为了解决这些问题,通过对几个常用的运动目标检测方法进行比较分析,提出了一个通过帧间差分和背景消除进行运动目标检测和识别的算法。通过进行模拟实验,结果显示了该算法具有较高的效率。     

基于SOPC的视频运动目标检测跟踪系统

文章是以Nios II处理器为中心的视频运动目标检测跟踪系统,通过CMOS图像传感器采集视频图像信息,采用帧间差分法检测运动目标,形心跟踪算法对目标进行跟踪,最后在VGA显示器上显示视频中运动物体。实验结果表明,该系统可达到运动目标检测跟踪的理想结果。     

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。     

基于计算机视觉的运动目标跟踪算法

截至目前,运动目标跟踪已经历经了几十年的发展研究,其作为当前社会一项至关重要的先进技术,对于人们的日常工作生活以及社会经济、军事政治等其他各领域均有着积极的帮助作用。特别是在计算机视觉技术逐渐发展成熟的今天,运动目标跟踪与计算机视觉技术的融合程度也越来越高。基于此,本文将选择当前比较常见的一种目标跟踪算法即Kalman filter算法,并以运动的人脸作为跟踪目标,着重围绕基于计算机视觉的运动目标跟踪算法进行简要分析研究。     

运动目标跟踪技术研究

目标跟踪已经渗透到公安、军事等越来越多的领域,甚至是娱乐应用,开始逐渐进入到家庭中.本文主要介绍运动目标跟踪的概论、运动模板的原理、利用运动模板来捕捉边缘,从而跟踪目标的运动,并通过实验演示了跟踪效果.对运动目标跟踪技术研究具有十分重要的理论意义和应用价值.     

基于多传感器融合的运动目标跟踪算法

为了提高多传感器下运动目标跟踪的准确性和实时性,提出了基于多传感器融合下的运动目标跟踪算法。首先采用多个传感器对运动目标的信息进行采集和融合;然后采用混合高斯算法对运动目标的背景进行建模,并采用均值漂移算法实现运动目标跟踪;最后采用仿真实验对算法的性能进行测试。测试结果表明,该算法可以准确地对运动目标实时动态跟踪,提高了目标跟踪的精度。     

基于卷积神经网络的无人机运动目标检测研究

无人机的监管也成为了社会关注的焦点,"黑飞"现象屡见不鲜,无人机"黑飞"逼停航班等事件不断升级,已经触动人民生命财产安全问题了。本文主要通过视频分析发现"黑飞"现象,首先采用摄广角镜头观测检测领空区域,通过目标检测算法发现疑似无人机的物体;然后,利用长焦镜头对检测到的目标进行识别和跟踪;从而达到自动检测和跟踪目标的效果。本文对目标检测领空进行了测试,将改进的算法与Faster RCNN、传统目标检测算法ACF进行了比较。本文算法分别提升了接近13个百分点和5个百分点以上,进一步证明了本文算法的有效性。总体上本文算法有一定的实用性和扩展能力,能够给"黑飞"检测提供一定的理论方法支撑。     

基于关联帧差分法的运动目标检测与跟踪

针对帧间差分运动目标检测方法检测出的运动目标容易产生拖影现象及存在一定程度的空洞等缺陷,该文提出基于关联帧差分法的运动目标检测与跟踪方法.通过计算相邻三帧图像的相似度,并求取相邻帧之间的差分图像,对差分图像进行与操作后进行轮廓填充来获取运动目标.实验结果表明,该文所提算法不仅可以精确检测与跟踪运动目标,克服帧间差分运动...     

基于投影的运动目标跟踪研究

在运动目标跟踪方面,运动目标跟踪算法直接影响着运动目标跟踪的准确性和稳定性,现有的目标跟踪算法大多是基于特征或运动信息的,虽然能够完成对运动目标的可靠跟踪,但是需要处理的数据量大,运算复杂,很难达到实时跟踪的要求。本文首先阐述了跟踪算法中模板相关匹配算法的基本原理,然后跟踪系统的实际需求,详述了投影法快速定位目标跟踪的方法,并给出了投影算法跟踪的实验结果,该算法基本能满足跟踪系统中运算量小和实时性的要求。     

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。     

运动弱小目标先跟踪后检测技术的研究进展

对低信噪比下图像序列运动小目标先跟踪后检测技术进行了较为系统地研究.首先针对运动弱小目标检测问题,分析比较了先检测后跟踪技术与先跟踪后检测技术;详细阐述了先跟踪后检测技术的主流算法,包括时空域匹配滤波器、基于投影变换与三维匹配滤波相结合的算法、多阶假设检验、动态规划算法、高阶相关方法、递推贝叶斯滤波等算法,并比较了其中几种算法.     

基于3D OGHM的视频运动目标检测算法

本文提出了一种新的视频运动目标检测算法.该算法联合了视频序列图像特有的时、空特性,采用3D Gassian-Hermite正交矩法(3D OGHM,3D Orthogonal Gassian-Hermite Moments)进行视频序列中的运动目标检测.并对提出的算法进行了深入的分析和优化,给出了3D OGHM算法的具体实现步骤.实验结果表明:算法能够从复杂场景的视频序列中有效地检测出运动目标;与同类算法相比,不仅有更好的抗噪性能,而且能更有效地增强运动目标信息,且具有较强的鲁棒性和实时性.