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。     

动态背景下运动目标检测与跟踪研究

主要研究动态背景下的运动目标检测和跟踪问题。背景补偿差分法是一种常用的动态背景下运动目标检测算法,但检测到的目标轮廓要比其真实轮廓大,检测结果不准确且算法复杂度较高。主动轮廓模型在图像分割和目标提取过程中具有拓扑结构变化灵活性,对数值计算方案的设计更加方便、有效,据此提出一种基于改进C-V模型和卡尔曼滤波的算法,用来检测和跟踪动态背景下的运动目标。提出的算法利用C-V模型曲线演化检测和跟踪目标,使C-V模型在目标的边缘处收敛。结合卡尔曼滤波预测运动目标下一帧位置,从而实现对运动目标轮廓的跟踪。实验结果表明,该方法可以对动态背景下运动目标进行精确的检测与跟踪。     

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。     

基于自适应Kalman滤波的机器人运动目标跟踪算法

针对足球机器人比赛时的模型变化及其环境噪声先验估计不准确的问题,提出一种基于自适应卡尔曼滤波的足球机器人视觉跟踪算法。该算法将一种基于减背景的运动目标识别的方法与自适应卡尔曼滤波跟踪模型进行结合,对背景进行实时更新,并通过形态学滤波去除残留的小区域,从而准确的识别运动目标,通过自适应的在线调整运动模型参数来保证模型预测值的准确性,进而提高了目标跟踪时的匹配效率,实现了目标的精准、迅速跟踪。通过实验证明,该算法是很有效的,具有推广价值。     

实时多运动目标提取与跟踪研究

介绍一种静止背景条件下实时多运动日标提取与跟踪的方法。使用了单模态背景模型,用连通检测的方法分割出目标,取得目标信息,采用特征参数匹配的方法跟踪目标。对实际中出现的目标停止移动、被背景遮掩和相交运动等情况做了分析。通过采集的图像序列证实采用所提出的运动日标提取与跟踪算法可获得良好效果。     

纯方位目标运动分析的一种“检测前跟踪”技术

被动检测中,当目标信噪比较低时,传统的波束形成估计目标方向有较大的误差,为此我们提出一种改进的检测前跟踪技术,即直接对波束输出的方位-功率图序列做运动分析。对目标所有可能的运动路径进行时间积分,理论上与目标真实轨迹最靠近的路径将获得最大的功率累积量。本文结合纯方位目标运动分析的规律,以不降低检测性能为前提,开发了一种简化的路径搜索策略。在计算机仿真实验中,也证实了该简化搜索策略使得运算量至少降低了两个数量级。     

基于音视频信息融合的目标检测与跟踪算法

针对单一视觉跟踪算法易受遮挡影响的缺陷,提出一种基于音视频信息融合的目标检测与跟踪算法。整个算法框架包括视频检测与跟踪、声源定位、音视频信息融合跟踪3个模块。视频检测与跟踪模块采用YOLOv5m算法作为视觉检测的框架,使用无迹卡尔曼滤波和匈牙利算法实现多目标的跟踪与匹配;声源定位模块采用十字型麦克风阵列获取音频信息,结合各麦克风接收信号的时延计算声源方位;音视频信息融合跟踪模块构建音视频似然函数和音视频重要性采样函数,采用重要性粒子滤波作为音视频融合跟踪的算法,实现对目标的跟踪。在室内复杂环境下对算法性能进行测试,结果表明该算法跟踪准确率达到90.68%,相较于单一模态算法具有更好的性能。     

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。     

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。     

基于稳定矩阵的动态图像运动目标检测

为了对视频序列中的运动目标进行快速、准确地提取,提出了一种自适应背景模型估计方法.利用背景与前景图像在时域中不同的变化特性,构造图像的稳定矩阵函数,通过稳定矩阵元素的变化自动区分背景点和前景点,并对稳定矩阵设置上、下饱和值,使算法能在短时间内自动感知背景的突变,从而快速地建立背景图像模型并对其实时更新.同时还分析了动态图像序列的配准问题,选取局部特征模板图像,采用投影匹配原理简化计算,快速估计出全局运动矢量.实验证明,背景估计算法收敛速度快,只需10 frame图像即可建立稳定背景,对于500 pixel×200 pixel动态图像序列,整个算法时间只需35 ms,完全满足工程上25 frame/s处理能力的要求.     

基于直线边缘特征匹配的扩展目标跟踪方法

为了稳定而精确地跟踪扩展目标,提取相邻两帧图像中扩展日标的所有直线边缘征,计算两帧中所有直线的相对斜率、相对倾角和相对截距进行匹配来确定跟踪化置.通过计算相邻帧之间交点描述子的欧氏距离找到最佳匹配,计算出所有交点的重点作为跟踪位置来实现扩展目标跟踪.实验中该方法在扩展目标的跟踪中有非常好的表现.其结果表明在不发生太大变形的情况下.都可以比普通的模板匹配跟踪有更好的稳定性和更精确的跟踪位置.     

基于高分辨率相机的目标跟踪系统的设计与实现

利用高帧频和高分辨率的数字相机作为系统的输入,采用DSP和FPGA以及大容量缓存的硬件架构,通过FPGA的逻辑编程灵活调配系统的资源,将图像采集、图像预处理、图像跟踪、图像显示等功能合理分配至各个硬件单元,提高了图像跟踪系统对小目标的跟踪精度.经实验验证,各个功能单元达到预期效果.基于Carema Link接口的图像跟...     

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。     

基于序列图像的运动目标检测

针对动态环境下运动目标检测中噪声多、目标检测不完整等情况,提出了一种基于金字塔多分辨率模型的运动目标检测方法,在低分辨率下获取目标的区域,在高分辨率下获取目标的细节。对于复杂的环境,还提出了运用高低双阈值替代传统的单阈值进行图像差分运算的方案,阈值可以根据图像自动分析得到。该方法首先将当前帧和背景帧进行尺度变换,得到不同分辨率下的图像组,然后在不同尺度下得到高低阈值差分图像,最后从高层向低层进行有效融合,得到噪声少的完整目标图像。实验表明,该方法提取运动目标的精度比较高,单目标达到0.802,多目标达到0.615,尤其是在复杂的动态环境下,优势比较明显。     

基于假设检验的小弱运动目标航迹起始

根据目标与噪音(或虚警)在时域和空域上所表现出的不同特性,提出了一种基于空域邻域聚类和时域轨迹连续性相结合的假设检验方法,以建立小弱运动目标航迹起始,并对其性能进行了详细分析.基本出发点是:空域上,小目标是占有少量像素且幅度均匀的小块,聚集度较高,而噪音点是独立、不相关的,聚集度较低;时域上,运动目标将以较大概率出现在由轨迹连续性决定的预测点邻域内,而虚警是杂乱无章,连续多次出现在该邻域内的几率较小.理论分析和实验结果表明,本文方法能较为有效地建立目标初始航迹.