基于核相关滤波的视频卫星目标跟踪算法

随着社会的不断发展和科技的不断进步,视频卫星越来越受到重视,而在卫星视频中对小目标的跟踪也逐渐成为一种新的研究方向.针对卫星视频中目标背景复杂、目标较小、跟踪过程中准确度较低的问题,提出了改进的核相关滤波(KCF)算法对卫星视频中的小目标进行实时性地跟踪.该算法结合卡尔曼滤波算法,解决目标跟踪过程中目标被遮挡的问题,利...     

复杂环境下异常行为检测算法

针对复杂环境下视频监控滞后严重难以满足预警的问题,提出一种基于计算机视觉技术的复杂环境下异常行为检测算法。该算法首先利用分层背景模型对环境中的行人目标进行检测;其次采用改进的Mean-shift算法对运动目标进行实时跟踪,并在跟踪结果的基础上进行运动目标的异常行为判断。实验结果表明:该算法可以建立复杂环境准确的背景模型,有效地对入侵目标进行检测;可以对跟踪目标进行实时跟踪,有效地对逆行和逗留进行检测。     

基于提升框架检测的空中强机动视频目标跟踪

空中强机动性目标在视频中表现出运动形变剧烈、运动规律难预测且背景特征不明显不稳定等特点,传统的检测跟踪算法不能有效地对其实施检测跟踪.为解决上述问题,提出一种不依赖于帧间运动特性的基于提升框架检测的空中强机动视频目标跟踪算法.首先,利用提升框架实现图像的小波变换,得到目标的高频分量信息.然后,对高频分量进行融合,并提出了目标特征增强的方法,完成单帧图像的目标检测.最后,实现视频序列的实时跟踪.实验结果表明,该算法能够实时、准确地对空中背景下的强机动性目标进行检测跟踪,有效地解决了目标运动形变剧烈、某些帧中存在遮挡而造成后续帧失跟等跟踪困难.     

一种抗遮挡的时空上下文目标跟踪

目标跟踪是一个比较热门的研究方向,其性能受到多方面影响。时空上下文跟踪算法是利用目标附近的信息对目标进行跟踪,但该算法的不足是仅使用单一的灰度特征和固定的学习率。将HOG(Histogram of Oriented Gradient)特征与灰度特征进行融合,且对跟踪结果进行相似度计算进而抑制目标的漂移,采用自适应变化的学习率以适应跟踪目标的变化。经过仿真实验证明,相较于时空上下文跟踪算法所提出的方法鲁棒性更好,对光照的变化、目标形变以及遮挡等情况下都具有较强的跟踪能力。     

遥感视频卫星多目标检测、跟踪和定位算法

提出基于道路掩模(Road Masking)、高斯混合模型(Gaussian Mixture Model,GMM)和数据关联(Data As-sociation)的遥感视频卫星(Video Satellite)多目标(Multiple Object)检测、跟踪和定位(Detection Tracking and Locating)算法.该方法基于深度学习实现了遥感视频中的道路网提取(Road Network Extraction).在检测阶段,基于高斯混合模型采用背景差分的方法得到道路上动态多目标的检测结果.在跟踪阶段,基于邻域搜索算法实现相邻帧中同一个目标检测结果的数据关联,从而得到每个目标的连续跟踪轨迹.在定位阶段,利用遥感影像正射校正技术得到影像行列号坐标与WGS84经纬度坐标之间的转换关系,从而得到目标的经纬度坐标.基于长光一号卫星获取的真实遥感视频进行了多目标检测、跟踪、定位实验,验证了该方法的可行性.     

结合自适应时间权重的改进STRCF目标跟踪

针对STRCF算法时间权重因子固定,且常因长时遮挡等原因造成跟踪漂移的问题,提出了一种自适应时间权重学习的目标跟踪算法.利用峰值旁瓣比在线动态更新时间权重因子以提升跟踪器的准确性.在跟踪器中嵌入遮挡判断模块,设定条件判断是否发生遮挡,以决定是否停止对目标位置的更新.实验结果表明:该算法的精确度与成功率分别为0.880和0.814,相比STRCF算法分别提升了2.6％和2.0％,且跟踪速度达到28.61帧/s,在CPU上可以达到实时.     

基于稀疏约束与双线索选择的目标跟踪算法

为了解决现有DCF类跟踪器存在边界效应及时间滤波器退化的问题,进一步增强其在复杂场景下跟踪的准确性,基于LADCF算法,提出了一种有效的双线索目标跟踪框架,用于鲁棒视觉跟踪。将结构化稀疏约束应用到多通道滤波器,并通过提取9维HOG特征与11维CN特征构建新的跟踪线索,与原有线索协同跟踪目标。建立可靠性评估策略,在每一帧中选择合适的线索进行跟踪。在OTB-50、OTB-100基准数据集上进行了定性和定量评价,实验结果表明,所提出的方法跟踪准确度相比LADCF算法提升了2.4%,相比ECO＿HC提升了3.7%,优于现有的主流跟踪算法,且跟踪速度达到21.1帧/s,可以实现实时跟踪。     

DSP实现低信噪比条件下点目标检测与跟踪

针对嵌入式实时图像处理系统中 ,复杂背景低信噪比条件下红外运动点目标检测及跟踪所采用的处理算法 ,包括基于空域低通滤波的多图像平均法和自适应阈值分割法以及基于目标运动时空连续性目标运动轨迹拟合及目标运动轨迹参数预测算法 ,进行基于二维数组组合方式存储结构的算法复杂度估计 ,并将上述算法在TI公司的TMS32 0C6 2 0 1EVM板上进行实时性能评测 ,说明上述算法在基于具有软件流水性能的TMS32 0C6x系列DSP嵌入式实时图像处理系统中实现的可行性。     

基于卡尔曼滤波和模糊数据融合的跟踪算法

在目标跟踪系统中,特别是在复杂背景情况下对地面目标的跟踪中,传统相关算法采用全局搜索的方法,使得计算量相当大,不易实时实现,而且当发生目标局部遮挡时,目标容易丢失.为此,提出一种基于模糊推理和卡尔曼预测器的目标相关跟踪的方法,它充分利用卡尔曼预测器的预测功能来预测下一帧目标可能出现的区域,然后在较小的预测区域中进行相关匹配运算,找到最佳相关匹配点,跟踪更具主动性,同时用模糊推理方法对卡尔曼预测器的参数进行自适应调整,从而可以跟踪各种机动目标.实验中用传统算法和本算法对高速行驶的坦克进行跟踪时,传统算法容易跑飞,而本算法不受遮挡干扰,始终稳定跟踪且耗时大幅减少,且能够跟踪机动速度大幅变化的目标.     

跟踪系统持续稳定跟踪目标的粒子滤波

在现代战争中,视频跟踪技术是实现精确火力打击的关键技术,是获取信息对抗胜利从而夺取战争主动权、实现发现即摧毁的重要保证。由于战场地理环境复杂,经常存在跟踪目标被遮挡而丢失的情况,因此,稳定的长时跟踪算法必不可少。针对现在战场复杂环境下目标跟踪遇到的问题,提出了基于KCF(Kernelized Correlation Filters)和粒子滤波相融合的跟踪算法,相比较传统算法其能够在复杂环境下完成长时、稳定、准确的跟踪。通过设计的视频跟踪系统的硬件平台实验结果显示,该算法可实现目标的稳定跟踪以及目标被遮挡丢失之后的重新检测,能够满足复杂战场环境下目标的长时稳定跟踪的需求。     

基于单应轨迹的视频实时稳像算法

针对视频稳像中实时任务的需求特点,提出一种基于单应轨迹的视频稳像算法。估计序列图像帧间的单应变换,并将该变换作用于图像窗口的4个角点,从而对每帧图像产生4个短的单应轨迹以代表视频短时间内的运动。利用关联卡尔曼滤波器以一种连续方式对不同帧的单应轨迹进行平滑。对图像合成采用包括性和相似约束以提高结果视频的可观性质量。该算法以在线方式工作,消除了缓存输入图像帧导致的延迟,具备不依赖于复杂的3D重建和长距离特征跟踪的优点,并有效避免了单应模型表达视频运动模型的误差积累问题。实验表明该算法能够有效对包含2D和较复杂3D场景的视频进行稳像,并且能够达到实时处理速度。     

主被动传感器空时对准融合模型目标跟踪技术

针对主被动传感器量测的时空不同步和定位的非线性,以提高跟踪精度为目的,构建了空时对准融合跟踪模型。通过牛顿插值法实现了时空量测的同步,并基于融合算法建立了模型的滤波算法。最后,在匀速直线运动目标和机动目标的背景下验证了时空对准融合跟踪模型对目标的跟踪效果,在主被动传感器信息利用、提高精度等方面具有一定的理论和实际意义。     

自适应交互多模型算法在机动目标跟踪中的应用

针对多模型算法在机动目标跟踪中存在的问题,运用交互多模型算法(IMM)和自适应滤波理论,设计了一种自适应交互多模型算法(AIMM),结合目标运动模型对目标当前加速度和其方差进行估计,并在此基础上给出了AIMM中模型集和模型转移概率的设计方法,进行了计算机仿真.蒙特卡罗仿真结果表明,与标准IMM算法相比,该算法比IMM算法的跟踪性能有很大提高,跟踪复杂机动目标比IMM有更快的收敛速度,跟踪滞后问题得到较好的解决,跟踪目标的稳定性和精确性均优于IMM算法,有利于机动目标的实时跟踪.     

基于MBB对应关系的视频中多物体快速跟踪

针对视频监控应用中对视频物体跟踪算法实时性、容错性要求高的特点,提出了一种基于MBB对应关系的快速跟踪算法。该算法放弃了传统的点匹配跟踪算法,从对相邻两帧物体MBB的重叠特性的分析出发,快速确定物体与物体间、物体与场景间的复杂对应关系,并综合利用直方图匹配等方法,解决物体重复出现后的标识问题。通过对NUDT和PETS视频数据的实验分析证明,该算法能够对复杂场景中多个物体同时进行跟踪标识,准确检测处理物体进入、离开场景,以及物体间的合并、分离和遮挡,对复杂环境和预处理造成的错误有较好的容错性。该算法参数设置简单易行,结合预处理快速算法,整个检测跟踪算法耗时大大低于同类算法。     

一种自适应多模式交互图像跟踪算法研究

图像目标的高精度稳定跟踪一直是舰载光电跟踪中的一个技术难点,由于传统目标跟踪算法结构单一、背景要求简单、稳定性差,因而无法更好地在复杂背景下对目标进行稳定、实时的跟踪。基于一种图像背景复杂程度的自适应判断方法,提出一种形心跟踪和相关跟踪自适应多模式交互的图像跟踪算法,利用形心跟踪与相关跟踪算法的互补性,通过模式转换来提高目标跟踪稳定性和精度。仿真结果表明,该算法计算量小,抗干扰性强,跟踪精度高。     

基于航拍视频的车辆目标跟踪方法

以无人机拍摄的运动车辆为研究对象,针对航拍视频中的某一车辆目标,研究其目标跟踪方法。为准确预测车辆在未来帧中出现的位置,提出基于K邻域的目标预测算法,对于车辆目标可能会出现被全部遮挡的情况,提出基于车辆运动状态估计的抗遮挡算法,在目标检测过程中,针对可能会有多个目标被检测出来的情况,提出多特征融合的图像匹配算法以对检测结果进行匹配。将上述算法相结合,形成车辆目标跟踪方法。测试结果表明,提出的目标跟踪方法平均准确率达到了91.1%,准确率相对于常见的目标跟踪算法提升了约6.35%。     

时空结构分析的机动目标跟踪方法及应用

为进一步解决火控系统中机动目标跟踪问题,从时空结构角度提出跟踪机动目标的方法.分析了机动目标的时空结构,构造了机动目标的时空跟踪模型及其在火控系统中的应用,可解除滤波中的目标运动模型的假定,并可避免机动检测引起的时延和机动幅度估计.在模型的先进性、跟踪的实时性、准确度和精度方面较传统方法有明显的提高.     

一种基于多尺度分解的快速相关跟踪算法

针对传统归一化相关跟踪算法运算量较大的问题，提出一种基于多尺度分解的归一化相关跟踪算法。该算法根据目标大小对目标模板和实时图像进行高斯金字塔分解，然后从最高尺度图像开始搜索，并将最大相关点作为下一级搜索的预测值，直至匹配成功。实验结果表明，该算法能够稳定地跟踪目标，而且计算速度优于传统的归一化相关跟踪算法。     

视频图象实时处理器的设计

介绍了一个用于目标自动跟踪仿真实验系统的视频图象实时处理器.该处理器硬件由图形图象处理芯片TMS34010和高速数字处理芯片TMS320C25构成,采用相关跟踪算法时,对目标模板32×32象素和搜索区64×64象素处理能达到实时.     

装甲战车图像跟踪系统技术研究

在高技术条件下的局部战争中,装甲战车应具备精确的打击能力、目标获取能力和态势感知能力,这就需要一个能对抗复杂场景的目标跟踪系统。针对用于装甲战车的目标跟踪系统所存在的关键技术,提出了应用于复杂场景下的目标长时跟踪算法,实现了目标受遮挡情况的自适应判定和目标丢失的重捕获,在目标发生尺度变化、姿态变化、光照变化、遮挡等复杂情况下仍具有良好的跟踪效果;设计了一套视频跟踪器系统,通过实验验证,可实现对比度优于5%,目标像素数大于2×2,部分遮挡及完全遮挡的复杂战场环境下目标的稳定跟踪。