行人跟踪算法及应用综述

行人跟踪是计算机视觉领域中研究的热点和难点,通过对视频资料中行人的跟踪,可以提取出行人的运动轨迹,进而分析个体或群体的行为规律.本文首先对行人跟踪与行人检测问题之间的差别进行了阐述,其次从传统跟踪算法和基于深度学习的跟踪算法两个方面分别综述了相关算法与技术,并对经典的行人动力学模型进行了介绍,最终对行人跟踪在智能监控、拥堵人群分析、异常行为检测等场景的应用进行了系统讲解.在深度学习浪潮席卷计算机视觉领域的背景下,行人跟踪领域的研究取得了飞跃式发展,随着深度学习算法在计算机视觉领域的应用日益成熟,利用这一工具提取和量化个体和群体的行为模式,进而对大规模人群行为开展精确、实时的分析成为了该领域的发展趋势.     

基于自编码器结构与改进Bytetrack的低光照行人检测及跟踪算法

针对夜间低光照场景下目标特征提取困难和跟踪不稳定的问题,提出了基于自编码器结构及改进Bytetrack的多目标行人检测及跟踪算法。在检测阶段,基于YOLOX(you only look once X)搭建多任务自编码变换模型框架,以一种自监督的方式考虑物理噪声模型和图像信号处理（image signal processing, ISP）的过程,通过对真实光照退化变换过程进行编码与解码学习内在视觉结构,并基于这种表示通过解码边界框坐标与类实现目标检测任务。为了抑制背景噪声的干扰,在目标解码器颈部网络引入自适应特征融合模块ASFF。跟踪阶段,基于Bytetrack算法进行改进,将基于Tranformer重识别网络提取到的外观嵌入信息与NSA卡尔曼滤波获得的运动信息通过自适应加权的方法完成数据关联,并通过Byte两次匹配的算法完成夜间行人的跟踪。在自建夜间行人检测数据集上测试检测模型的泛化能力,mAP@0.5达到了94.9%,结果表明本文的退化变换过程符合现实条件,具有良好的泛化能力。最后通过自建夜间行人跟踪数据集验证多目标跟踪性能,实验结果表明,本文提出的夜间低光照行人多目标跟踪算法MOT...     

基于改进高斯混合模型的运动目标检测与跟踪算法

针对传统高斯模型存在的不足,为了搞高运动目标跟踪精度,提出一种基于改进高斯混合模型的目标检测与跟踪算法。首先提取目标特征建立目标分类器,并将目标从前景是标记出来;然后通过多目标跟踪将目标为多种运动模式;最后采用高斯混合模型对跟踪与分类的结果进行融合,获得最终目标的位置。结果表明,本文方法不仅提高了目标检测与跟踪精度,而且可高斯模型以较好的满足目标跟踪的实时性要求。     

多特征融合匹配的多目标跟踪

针对复杂背景的视频图像多目标跟踪遮挡问题,提出了一种多特征融合匹配的多目标跟踪方法。基于自适应高斯混合背景模型重构和更新背景策略,实现当前帧背景减除和多目标检测;采用目标的颜色特征、质心位置、运动速度等特征进行融合匹配跟踪;最后,通过区域辅助判定策略将场景下的目标状态分为目标进入场景、目标退出场景、目标暂消、目标重现、目标融合和分裂5种状态,用质心预测方法和遮挡因子辅助匹配来提高匹配正确率。仿真实验结果表明：采用该方法跟踪同一目标和不同目标的相似度平均值分别为0.949 71和0.505 73,优于单一颜色特征信息匹配;目标遮挡结束后重新匹配相似度为0.972 83,实现了复杂背景下具有表面相似性的多目标实时跟踪。     

基于K-粒子滤波和边缘检测的图像目标跟踪研究

图像目标跟踪是根据图像序列探测和跟踪某个目标,在军事目标的探测与跟踪、安全保护监控、城市与高速公路的交通监测等许多领域有着重要的应用.首先基于背景减图像分割,提出了一种有效的图像边缘检测方法,检测感兴趣的运动图像目标;其次提出了改进的最近邻域数据关联方法和K-粒子运动图像目标估计方法;最后以一个多行人的图像目标为例,对上述方法进行了仿真研究.仿真结果表明了上述方法的有效性和较高的跟踪精度.     

基于各向异性高斯曲面拟合的星点质心提取算法

恒星识别以及卫星目标检测识别是空间监视系统的重要应用之一。由于星图图像点目标成像的特点以及大量背景恒星的干扰,星图中用于目标识别的特征难以提取,因此目标的位置是实现目标识别的关键特征。高斯曲面拟合方法是使用较为广泛的目标质心提取算法之一,通过理论分析和实验表明传统高斯曲面拟合方法对运动卫星的定位存在较大误差。为此,提出了各向异性的高斯曲面拟合模型,该模型通过使用两个不同的高斯模糊参数和旋转因子,可以捕捉目标不同方向的各异特征,适合卫星由于运动造成的随机方向模糊。仿真实验和真实数据实验表明,本文方法的总体定位精度可分别达到0.008和0.04,并能够准确提取星图目标的质心,相比传统方法有较大改善。     

基于混合高斯模型的运动目标检测方法研究

为了能够及时检测到图像场景中的运动目标,提出一种基于混合高斯模型的运动目标检测方法。借助把图像的像素值看成是前景高斯分布和背景高斯分布的组合,进行了背景估计和自适应背景更新;通过对背景差分后的图像进行多目标分割,进行了多个运动目标的检测。实验发现:随着图像序列的背景不断变化,基于混合高斯模型算法能够准确估计出变化的背景,通过将场景图像和背景图像进行差分,检测到感兴趣的运动目标。     

基于光流的运动小目标检测算法

运动目标的检测是目标识别与跟踪的关键技术之一。光流技术是一种以物体的运动特征来检测目标的方法,它的提出为运动小目标的检测开辟了新的空间。在一个搜索跟踪系统中使用光流技术检测和跟踪空中小目标,目标大概为5～10个像素,而且背景复杂,相机抖动,普通分割算法无法得到小目标。在目标的运动明显异于背景的情况下,通过利用基于光流的目标检测算法来检测出小目标,同时运用高斯金字塔模型,提高算法的运算速度。试验结果表明提出的基于光流的检测算法在背景运动的红外图像中取得了较好的效果。     

基于立体视觉及蛇模型的行人轮廓提取及其识别

从复杂、动态多变的交通图像中准确提取障碍物的轮廓曲线是智能汽车的一个重要研究课题,它对行人保护起着十分重要的作用。Snake模型是用来自动提取物体边界的曲线模型。结合立体视觉技术和Snake模型以实现行人检测:运用基于稠密视差的立体分割方法查找并分割潜在行人目标区域,为了便于后期目标轮廓提取,基于边缘检索的立体匹配算法被进一步用于提取感趣区(ROIs)内的目标初始边界;在此基础上,用Snake模型提取目标的完整轮廓曲线;轮廓因子及目标高程被用于ROIs的验证,即行人识别。针对Snake模型易受噪声干扰及难以收敛到凹陷边界等缺陷,提出了改进的距离势能模型。以典型交通场景为分析对象,对所提出的方法进行了测试,得到了较为理想的结果。     

一种无线视频传感器节点协作跟踪方法

由于网络通信带宽以及节点能量等因素限制,信息的有效获取与能耗的平衡优化是无线视频传感器网络近期研究的热点,面向目标跟踪的无线视频传感器网络实现节能的关键在于节点的高效协作;文章目的在于研究一种无线视频传感器节点协作跟踪方法,通过综合考虑目标跟踪效果和节点能耗等因素,采用自适应混合高斯算法进行背景建模,分布式均值漂移算法进行目标跟踪,并构建一种基于效能函数的最优节点选择方法;实验结果显示该方法能在真实场景下高效地进行目标跟踪。     

基于OTSU分割和HOG特征的行人检测与跟踪方法

传统的HOG算法针对整幅图像进行行人特征提取,大量的非人窗口计算必然降低检测的准确率和效率。为此,提出一种基于OTSU分割和HOG特征的行人检测与跟踪方法。利用OTSU算法以最佳阈值分割图像,在分割区域的基础上进行Canny边缘检测,通过边缘的对称性计算确定行人候选区,继而采用经PCA方法降维后的HOG特征和隐马尔可夫模型对行人候选区进行检测验证。最后,以确定的行人区域为跟踪窗口,利用CamShift算法跟踪行人。多组实验结果证明,本文方法的行人检测效率和精度均有所提高,跟踪性能稳定、可靠。     

基于可见光-红外模态下双向特征生成的行人重识别方法

为了提高可见光-红外跨模态行人重识别的检测准确度,提出一种基于可见光-红外模态双向特征生成的双流网络模型,相对现有算法,使用双向特征生成方法进行跨模态行人特征迁移,显著提高了跨模态特征表达,同时利用双流网络提取具有判别性双模态特征,并通过设计的粗细粒度损失融合的策略,提高了跨模态行人检索的准确度。实验结果表明,与最新方法相比,文章提出的方法提高了跨模态行人重识别的平均准确度,在RegDB数据集上取得92.91%,在SYSU-MM01数据集取得66.17%。     

基于多级跟踪队列的运动目标跟踪遮挡处理

针对多目标跟踪过程中存在的遮挡问题,提出了一种固定摄像机场景下的多目标实时跟踪算法.提出基于鬼影判别与背景模型选择更新的背景差法检测运动目标,建立一种融合色度与边缘特征的目标模型.通过定义稳定跟踪队列、临时跟踪队列、跟踪丢失队列以及候选跟踪队列等跟踪器队列,提出基于多级关联匹配的策略实现多目标跟踪遮挡处理,针对新目标、...     

平面场景和建筑物成像的几何分析

为了识别采集图像中的平面场景以及建筑物,利用摄像机参数,对平面场景及建筑物成像过程进行了几何分析。首先,根据相机参数以及相机飞行状态分析平面场景成像畸变;然后,对平面场景上的建筑物形状的成像进行几何分析;最后,将相机上采集到的平面场景及建筑物的图像像素数与真实平面场景及建筑物的尺寸建立联系。实验结果表明：已知相机参数及飞行状态的情况下,可以对平面场景及建筑物形状信息进行推导,从而完成目标识别与跟踪。本方法适合在典型建筑物、孤立建筑物、建筑群中具有明显形状特征等情况下对立体目标进行自动捕获与跟踪。     

平面场景和建筑物成像的几何分析

为了识别采集图像中的平面场景以及建筑物,利用摄像机参数,对平面场景及建筑物成像过程进行了几何分析。首先,根据相机参数以及相机飞行状态分析平面场景成像畸变;然后,对平面场景上的建筑物形状的成像进行几何分析;最后,将相机上采集到的平面场景及建筑物的图像像素数与真实平面场景及建筑物的尺寸建立联系。实验结果表明:已知相机参数及飞行状态的情况下,可以对平面场景及建筑物形状信息进行推导,从而完成目标识别与跟踪。本方法适合在典型建筑物、孤立建筑物、建筑群中具有明显形状特征等情况下对立体目标进行自动捕获与跟踪。     

基于UML模型集成测试工具的建模与设计

软件测试是保证软件质量、提高软件可靠性的关键工作。基于模型的测试技术是目前国内外学者在软件测试领域的研究热点,但针对计算机辅助测试工具的研究尚有不足。本文分析了UML集成测试工具的开发需求,通过跟踪需求,构建合理的操作流程,提出了一种以需求驱动为迭代开发模型、以UML模型覆盖准则为依据、以UML集成测试工具为开发目标的辅助测试工具设计方案,设计了一套具有UML模型解析、检测和测试序列自动生成功能的测试工具原型。最后,对集成测试工具的有效性和易用性进行了验证。     

基于深度注意力机制的多尺度红外行人检测

针对多尺度目标检测问题,提出一种基于深度注意力机制的多尺度红外行人检测方法。首先,选取较为轻量级的Darknet53作为深度卷积特征提取的主干网络,设计四尺度的特征金字塔网络负责目标的定位和分类,通过引入更低层高分辨率的特征图来改善对小尺度行人目标的检测性能。其次,利用注意力模块替代特征金字塔网络中传统的上采样模块,生成基于卷积特征的局部显著图,可以有效抑制不相关区域的特征响应,突出图像局部特性。最后,利用Caltech行人数据集和U-FOV红外行人数据集进行两次迁移训练,以提高模型的泛化能力,丰富行人的样本特征。实验结果表明,所提方法在U-FOV数据集上的识别平均准确率达到了93.45%,比YOLOv3高26.74个百分点,能检测到的最小行人像素为6×13。在LTIR数据集上的定性实验结果验证,所提模型具有良好的泛化能力,适用于多尺度红外行人的检测。     

一种小波多分辨率分析的多算子动态场景目标跟踪算法研究

根据某型号多传感器光电成像设备实际应用的特点,提出了一种基于小波多分辨率分析(MRA)的多算子自适应目标识别跟踪算法,可实现昼夜型光电设备对陆地/海面全动态场景不确定目标的识别跟踪。建立了一种基于帧内、帧间置信度评价的双阈值自适应跟踪预测策略和相似目标辩识准则,有效地提高了目标跟踪的稳定性和鲁棒性。地面仿真及空中实际飞行实验结果表明:该算法能够很好地实现在各种复杂场景条件下的动态场景目标的稳定跟踪。     

联合多站阵元域数据的水下目标检测与跟踪

为了提高复杂海洋环境中目标的检测、跟踪性能,提出一种联合多站阵元域数据的水下目标检测与跟踪方法.该方法采用序列马尔科夫链蒙特卡洛思想对目标进行采样更新,通过对接收概率中的后验概率以及采样函数进行分解展开,并根据多站阵元域数据计算采样粒子的联合似然,在迭代过程中实现目标数目和目标状态的联合估计.研究结果表明,该方法对单目标的平均定位误差在较高信噪比下能够稳定在50 m以内,对多目标随机出入场景中新生及消失目标实现有效检测,同时对强干扰下弱目标及交叉目标实现有效检测跟踪。仿真结果和海试数据均验证该方法具有良好的目标检测与跟踪性能。      

复杂场景下基于条件随机场的视觉目标跟踪

目标模型更新中存在的模型漂移问题,是影响视频跟踪结果的一个重要因素。针对这一难题,提出了一种新的基于前景分割的目标跟踪算法。算法通过引入条件随机场(CRF)模型对跟踪区域和非跟踪区域的时空关系进行建模,实现对图像序列中像素点的标记,标记为跟踪目标或背景,并使用在线学习方法,根据场景的变化调整CRF模型的参数。跟踪过程中,通过对CRF模型的求解,得到最优的标记场和目标像素的置信图像;利用置信图像,结合目标模型的相似性度量定位整个目标;根据目标区域内的标记结果,使用一种选择性采样的方式更新目标模型,从而解决更新中的漂移问题。通过在多个典型的复杂场景中进行实验,验证了该算法的有效性。