夜间车道线检测与跟踪算法研究

夜间车道线的检测与跟踪是汽车智能辅助安全驾驶系统在夜间工作的前提.根据夜间车道图像照度低,光照不均匀的特点,提出先进行基于光密度差的对数Prewitt边缘检测,再进行Hough变换检测单帧车道线,最后融合固定区域法和Kalman滤波法预测感兴趣区域跟踪连续车道线的算法.实验结果表明,该算法具有准确、实时的夜间车道线检测与跟踪能力.     

高速公路车道线检测与跟踪算法研究

为提高高速公路上车道线识别的快速性和鲁棒性,提出了一种有效的车道线检测与跟踪方法。采用霍夫变换进行车道线检测,具有较强的抗干扰能力,能够准确地识别车道线。车道线跟踪利用Kalman预测参数建立感兴趣区域,然后用扫描线法搜索车道线边界点,在车道线间断区域利用Kalman预测器定位车道线边界。由于搜索限制在预测范围内,提高了搜索精度,减少了搜索范围,保证了实时性能,且对虚线车道线识别特别有效。仿真实验结果表明,对于不同的天气状况和车道线种类,该算法均有较好的识别效果。     

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Kalman和GMM-PBAS融合的红外视频目标检测与跟踪

红外成像系统已被广泛地应用于红外精确制导、视频监控、搜索和跟踪等领域。基于红外视频的目标检测与跟踪是上述领域中的一项重要技术,文中通过结合GMM和PBAS算法的优点进行背景提取,再结合Kalman滤波进行目标检测与跟踪。实验证明该方法能够在多种外部扰动情况下准确地提取背景并抑制阴影对真实运动目标的影响。     

基于机器视觉的车道线检测与识别算法

车道线检测与识别技术就是从含有多个车道标识线的道路图像中,将车辆目前正在行驶区域内的连续或间断的车道标识线重建成连续直线的图像处理技术,是自动驾驶的重要核心技术之一。文章主要围绕基于机器视觉的车道线检测与识别算法进行了深入的研究。首先,针对路面环境特点对图像进行预处理;其次,为了减小运算量,利用掩模图形对图像进行感兴趣区域划分;最后,使用Hough变换实现车道线的检测。实验结果表明,文章所提出的方法具有一定的实际应用价值。     

静态背景下的目标跟踪方法研究

采用了适合静态背景下的Kalman滤波算法,以目标的位置和速度为状态参数建立跟踪模型,并通过仿真结果验证了此算法可以稳定地对目标进行跟踪。     

一种红外目标的检测方法

在红外寻的制导过程中，需要尽快的截获并锁定跟踪目标，本文就此问题提出了一种方法可以快速的进行目标的截获与获得跟踪的波门，而且能够进行多目标的分割。该方法的思想是把对图像的二维矩阵的处理通过投影简化到对两个一维向量的处理，首先，对图像进行边缘提取，然后把边缘提取的结果投影到两个一维向量上，接着在一维向量上通过模板的方法进行滤波，最后在两个一维向量上计算目标的中心与波门。经试验表明，该算法能够准确截获目标并给出跟踪波门。     

一种基于视频技术的车辆跟踪方法

在智能交通系统中,基于视频技术的车辆跟踪是交通参数和交通事件检测的关键技术之一。本文首先研究了现有的基于视频技术的车辆跟踪技术,然后提出了一种使用Kalman滤波器预测车辆位置,并用距离和颜色信息辅助识别车辆的跟踪方法。实验结果表明,该方法能够有效地实现车辆的跟踪。     

一种空间弱小目标的图像检测方法

针对天基空间观测图像背景缓慢运动和目标信噪比低的特点,提出了一种滤除星空背景检测太空弱小目标及获取运动轨迹的方法。通过对动态背景序列图像的背景恒星配准及背景消除,得到了目标图像。通过基于目标特征的滤波,并用质心法计算出每帧目标代替点得到简洁的目标轨迹图像。最后使用Hough直线检测算法和最小二乘法提取目标轨迹。实验结果验证了该方法的有效性。     

一种交互式视频卫星遥感图像车辆目标检测与跟踪方法

提出了一种卫星遥感图像中具有少纹理特征的车辆弱目标检测与跟踪的交互式方法。首先,采用多边形对遥感图像中的道路区域进行人工标记,然后利用区域生长法提取道路区域。其次,融合迭代阈值法和Otsu阈值法分割道路区域图像,并通过面积约束检测车辆目标。最后,通过相邻帧图像模板匹配和距离约束实现多个车辆目标的同步跟踪。测试数据采用1米分辨率的视频卫星遥感图像,结果表明提出方法对弱小车辆目标检测的召回率为83.3%,虚警概率为2.44%。     

一种基于边缘特征的地面军事目标相关跟踪方法

针对传统的相关跟踪方法搜索量大和易受外界环境因素的影响,考虑到军事环境下地面目标的特殊性,提出了一种基于边缘特征的相关跟踪方法。在粒子滤波跟踪框架下,通过利用canny算子获取边缘方向直方图构造目标模板,自适应更新模板,同时,采用卡尔曼滤波进行遮挡情况下的状态估计,进行有效的跟踪。实验结果表明,该算法状态估计性能好,鲁棒性较高。     

一种改进粒子滤波目标跟踪算法

使用粒子滤波进行目标跟踪时,是用状态转移概率作为重要性函数,由于没有利用最新的观测信息,使得滤波效果不够理想.针对粒子滤波算法的这一缺陷, 提出了一种改进粒子滤波算法,该算法利用平方根无迹变换获得重要性函数,解决了粒子滤波算法以状态转移概率作为重要性函数的不足,同时保证了滤波过程中的稳定性.理论分析与仿真实例结果均表明,该算法提高了滤波的稳定性和精确性.     

一种新的红外弱小目标检测与跟踪算法

针对低信噪比下红外序列图像中弱小目标的检测与跟踪问题,提出了一种新的基于双边滤波的方法.首先将传统的二维双边滤波扩展为空-时三维双边滤波,由于同时利用了红外序列的空域信息和时域信息,该三维双边滤波能在抑制噪声的同时增强目标和背景之间的对比度.用其实现红外图像的预处理,再用门限分割检测出红外序列中的弱小目标.同时,用序贯蒙特卡洛方法对检测到的弱小目标进行跟踪.实验中,用实际红外序列图像对算法进行了验证,结果表明,在低信噪比下,所提算法能对红外弱小目标进行实时检测和跟踪.     

一种对空红外弱小目标检测跟踪方法研究

为了在对空中小目标打击过程中实现对目标的准确检测与跟踪,针对空中红外弱小目标信噪比低、像素点少等特点,本文基于红外视频图像,采用高斯滤波以及Top-Hat算子对图像进行预处理;利用边缘检测算法对图像中的目标进行检测与定位;根据检测得到的目标初始位置,通过核化相关滤波跟踪算法对目标持续跟踪;最后对跟踪效果做了定量评估.实验结果显示,跟踪最大视场角度误差不超过0.0062°,运行速度平均每帧可达25.3帧/s,该方法能够有效地对空中红外弱小目标进行自动检测跟踪.     

目标跟踪中野值的判别与剔除方法

运用Kalman滤波对目标位置进行跟踪时,测量数据中的野值是影响滤波效果的重要因素之一。分析了动态测量数据中野值产生的原因和野值对Kalman滤波性能的影响机理,利用新息的统计特性,提出了野值判别准则和一种抗野值Kalman滤波算法。仿真结果表明,该方法使野值处理与状态估计同步进行,可有效抑制野值对Kalman滤波的影响,提高滤波精确度。     

一种基于指令预测的目标跟踪方法

提出一种基于指令预测的目标跟踪方法,在摄像机的状态空间中建立求解该问题,简化了该问题的求解方法。讨论了基于该方法的多摄像机协同跟踪的问题。理论分析和实验结果表明,在摄像机的状态空间中对运动目标的跟踪是一种可行的方法。     

视频运动目标跟踪系统设计

文设计了一种可应用于静止背景下进行动态视频目标跟踪的系统。首先通过CCD摄像头采集动态图像序列,然后通过图像格式转换、中值滤波、边缘检测以及匹配跟踪对采集到的动态图像序列进行处理,最后得出运动目标的位置信息。本文所设计的系统与传统的基于PC机的视频运动目标跟踪系统相比,具有更快的图像处理速度和更高的实时性。     

一种基于小波变换的序列图像中小目标检测与跟踪算法

该文提出了一种快速检测序列图像中低信噪比(2dB)小目标的算法。采用小波滤波器对每帧图像滤波,提高目标的信噪比,降低了低信噪比小目标检测算法的运算量;采用固定长度的假设检验算法,生成起始航迹,有效地避免航迹的漏检;采用截断序贯似然比检验,形成确认航迹。仿真结果表明应用此算法,可快速实现信噪比小于2dB的小目标(22)的检测与跟踪。     

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Kalman滤波的机动目标跟踪方法研究

飞行器的机动性大,在运动过程中随时会出现转弯、跃升俯冲等现象。雷达跟踪系统能否对这种机动进行有效捕获,成为检验其可靠性的关键。在传统Kalman滤波方法基础上,对目标的运动状态进行检测,一旦检测到机动,滤波器就进行不同维数的转换,使跟踪结果快速收敛,从而实现对机动小目标的精确跟踪。仿真结果证明该方法正确有效,计算简便。