首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 15 毫秒
1.
余欢  毛征  丁一  杨维维 《科技广场》2005,(10):36-38
本文介绍了处理复杂背景下目标跟踪的一些有效的相关跟踪算法,并对这些算法的优缺点进行分析,将归一化相关算法和波门跟踪相结合,对图像中的目标进行坐标提取.  相似文献   

2.
胡永  高屹  孙懿 《西藏科技》2014,(10):77-78
基于视频的交通事件管理过程中需要知道运动目标的个数、运动快慢等参数,这些数据的得到需要进一步对相关检测目标进行跟踪。运动目标跟踪的主要工作是提取、识别以及跟踪,既而得到跟踪目标的位置、速度、加速度和运动轨迹等相关运动参数。运动目标跟踪算法一般情况下包括基于区域、基于特征、基于模型、基于轮廓的跟踪方法等,各种算法有自己的适用环境及优缺点。  相似文献   

3.
为有效对运动图像的目标特征进行较好定位与跟踪,提出了一种基于多权值相似均衡的运动图像循环定位跟踪算法。该算法首先利用颜色与纹理构建运动图像的空间特征分布跟踪模型,通过特征聚类对运动图像自动划分目标空间,然后根据目标模型的相似函数计算多个特征权值对目标模型进行选择性均衡,并结合特征权值自适应迭代定位跟踪信息,以最大程度地对运动图像的细节特征进行定位跟踪。实验结果表明,该算法优于传统的定位跟踪方法,尤其在跟踪目标受到外界干扰时能够得到比较理想的跟踪效果。  相似文献   

4.
本文主要分析了智能视颇分析技术.研究了视频监视系统中的运动目标检测与跟踪方法,提出了基于背景统计模型估计的方法在基于运动目标检测与跟踪算法的智能视频监控系统中的实际应用方案,并设计了基于智能视频分析技术的数字化监狱网络监管系统的实现方案,包括基于DSP处理和单片机控制的运动目标检测与跟踪系统的硬件组成方案,和基于运动目标检测与跟踪算法的智能视频监控系统控制图像处理电路以及算法流程.  相似文献   

5.
针对标准粒子滤波算法在运动跟踪的应用中还存在跟踪精度不高的问题,本文提出了一种基于噪声优化自适应观测粒子滤波算法的运动跟踪模型,首先构建基于目标跟踪的观测模型,利用当前时刻得到的观测量对粒子滤波算法进行修正,然后采用一个加权函数对目标进行采样来建立直方图,达到自适应加权的目的,最后采用不同方差的高斯噪声加权和来建模,对自适应观测粒子滤波进行去噪优化。仿真试验结果表明,本文提出的基于噪声优化自适应观测粒子滤波算法的运动跟踪模型相比较标准粒子滤波算法而言,具有较高的运动目标跟踪精度且在运动跟踪的应用中效果良好。  相似文献   

6.
本文所提到的算法是基于OpenCV模块设计出的一种,改进运动目标跟踪与检测的算法,基于CAMSHIFT算法来实现对运动目标的跟踪与检测。通过利用USB摄像头作为视频图象采集器,经过对图片的预处理,以及对HSV色彩空间转换,并在VS2013的编译环境下,实现一种对运动目标的新型跟踪检测方式。经过实验验证,并且通过观察实验实际检测结果可以得出结论,本文所提到的新型运动目标检测算法能够准确地检测出视频图像中的运动目标,并能无误地追踪目标。  相似文献   

7.
刘锡凤 《科技通报》2013,29(2):221-223
在视频无序运动目标实时跟踪中,无序性的出现会使所跟踪目标的尺寸和色彩等外观线索失去强度可靠性,跟踪目标的弱化会导致对目标地错误跟踪.为了克服这一问题,本文提出了一种基于改进无序运动数学形态特征的弱目标跟踪算法.该算法根据数学形态模型,分割出图像中的可跟踪特征,进行弱化特征增强,利用卡尔曼滤波预测各目标是否遇到是真实跟踪模型,在目标较为弱化的情况下,可以计算最佳定位信息更新目标信息.计算机仿真结果表明,所提出算法能够在保证实时性的前提下,在目标较为弱化的情况下,均能实现准确跟踪,并且跟踪结果令人满意.  相似文献   

8.
Mean Shift跟踪算法能有效实时对运动目标进行跟踪,但是当目标运动速度过快或者目标被遮挡时,跟踪效果会下降;粒子滤波跟踪算法适用于非线性非高斯环境,其跟踪效果与粒子数息息相关,数量少了导致粒子匮乏,数量多了会影响实时性。为解决上述问题,本文将mean shift和粒子滤波融合。实验表明,本文算法在运动目标速度较快和目标被遮挡时均取得了较好的跟踪效果。  相似文献   

9.
为了提升排球视频中的对于目标的追踪能力的准确性,本文利用Mean shift算法,提出了一种高效率并且又稳定的运动目标跟踪检测算法。算法根据排球在x、y轴上的坐标位置和排球在在x、y上的速度,进行观测向量的设置,并求解观测值。实验过程中采用五台摄像机对排球运动场进行全方位的目标跟踪,最终求解得到排球在三维空间的运动轨迹。实践证明,本文算法图像处理信噪比高,时间复杂度低。  相似文献   

10.
针对传统的CAMShift算法跟踪目标丢失的问题,提出一种基于Kalman滤波的CAMShift目标跟踪算法。为验证改进后算法,可用安装摄像头的农田作业设备采集图像,并对图像中的特定目标进行跟踪。该算法用Kalman滤波器预测下一帧特定目标的位置,统计候选目标的直方图并进行反向投影,将得到的色彩概率分布图跟踪特定目标的特征。实验表明,改进后的算法在目标快速运动的情况下仍然取得较好的跟踪效果,具有较好的稳定性。  相似文献   

11.
随着对目标跟踪效果要求的提高,能获取整体图像信息,又可以对远距离目标清晰成像的双视场目标跟踪定位系统优势正逐步显示。本文主要针对室外场景进行实时监控和跟踪,设计了一个基于双视场目标跟踪定位技术的跟踪系统,并对系统的定位方案进行了相关设计。人体目标定位跟踪方面,采用Adaboost分类器对场景中的目标进行分类,同时提取目标特征,对目标进行匹配定位。应用OpenCV在Windows环境下对检测跟踪算法进行测试。实验结果表明本文采用算法具有较好的实时性和鲁棒性,基本满足所设计的双视场目标跟踪定位系统的要求。  相似文献   

12.
为了解决目前目标跟踪方法难以克服的模板累积漂移问题,本文在人工免疫AIA算法的基础上,提出了一种累加合成漂移纠正的运动目标检测算法。首先利用反向累加合成算法,反向合成AIA算法,然后通过在目标跟踪表达式中增加漂移纠正项,同时引入漂移纠正系数对跟踪进行优化处理,以对漂移产生抑制作用。算法实例仿真结果表明,本文提出的改进算法在运动车辆、人体的目标检测中精度更高。  相似文献   

13.
由于传统Camshift算法在运动目标被遮挡、受到背景同色干扰、运动过快时存在跟踪失败问题,因而文中提出一种融合目标检测与混合特征描述的跟踪算法。针对传统单一的颜色直方图的描述,提出基于感知哈希算法、纹理特征与颜色特征相融合的混合特征表达方式表征运动目标区域。针对目标运动过快或者被遮挡的干扰,引入Kalman滤波来预测目标出现的位置,并结合运动目标检测,加快目标搜索过程,提高Camshift算法在目标跟踪与搜索时的准确性与时效性。选取不同场景下的多组视频进行实验,结果表明,跟踪算法具有较好的鲁棒性,验证了算法的有效性。  相似文献   

14.
《科技风》2017,(4)
由于目标的姿态和大小不断发生变化,本文通过对SIFT特征点的跟踪实现对目标可靠、稳定跟踪,即采用SIFT算法与光流算法相结合的跟踪算法。由于SIFT特征点存在分布太密集的现象,增加了后续跟踪算法的耗时性。针对以上这类问题,本文加入距离约束机制对SIFT算法进行改进。光流只适合小运动,本文采用基于图像金字塔模型的光流跟踪以适应大尺度运动。利用基于多尺度分层的金字塔结构,实现小窗口捕获大运动。通过实验证明,本文所采用的算法相对于传统光流具有更好的鲁棒性和稳定性,能得到更加准确的目标位置。  相似文献   

15.
《科技风》2017,(4)
TLD算法是目前一种常用的目标跟踪算法,但当目标存在遮挡以及移动较快时,容易出现跟踪漂移的问题,因此本文提出了一种基于TLD跟踪算法的改进目标跟踪算法。首先,利用Kalman滤波器预估当前帧所要跟踪目标的区域。其次,在检测器中加入马尔可夫模型方向预测器,来预测索要跟踪目标的运动方向。通过实验,证明改进后的TLD算法跟踪精度更高,能够快速准确地进行动态目标进行跟踪。  相似文献   

16.
针对在运动目标结构较为复杂,运动速度较快的情况下,采集图像与被跟踪的目标存在较大的速度差异,算法运算较为复杂,运算耗时与跟踪速度不匹配,形成跟踪滞后的问题,提出一种基于稀松运动特征匹配的跟踪滞后消除算法.在运动目标跟踪的进程中,运用稀松特征迭代计算的方法,减少特征数量.在保证跟踪精度的同时,最大程度缩短计算时间.实验表明,提出的算法很好地解决了被跟踪运动目标的滞后性问题,跟踪效果明显改善.  相似文献   

17.
随着无人机的广泛应用,不得不防止无人机的失控,如何动态定位跟踪,减少无人机失控带来的损失及可能的伤害。基于测距技术,介绍了一种无人机定位跟踪的原理,研究了多站台的目标定位与跟踪技术算法,最后,针对算法,进行了相关仿真分析,并给出了相关结论。  相似文献   

18.
微弱目标的检测与跟踪是通过利用诸如雷达传感器、光学传感器、视觉传感器等提供初始观测信息,发现对象并估计对象的状态(例如,姿态,速度,航迹等)参数。文章对微弱目标的检测与跟踪技术领域的专利申请进行了数据分析,对该领域专利申请量、技术原创国与目标国、申请人分布等进行了统计分析。  相似文献   

19.
针对目前现有的TLD(跟踪-学习-检测)算法易受阴影、遮蔽、摄像机晃动或是目标快速运动的影响,提出基于HSV-HOG的改进TLD目标跟踪方法。首先,在跟踪初始化前通过加入HSV颜色空间提高TLD算法初始化速度以及抗噪性,使得TLD算法在阴影、抖动的干扰下依然能够实现较好的目标跟踪。若TLD算法选取的跟踪目标受到遮蔽、运动过快,则在算法中加入自适应kalman滤波预测目标物体可能存在的区域,缩小跟踪器的跟踪范围,提高跟踪速度,并在检测器加入后验HOG特性,对已缩小的预测区域进行检测,增强了检测器的判别和检测能力。实验证明,改进的追踪方法具有较好的鲁棒性和跟踪精度。  相似文献   

20.
对运动中的目标进行检测和跟踪,是数字图像处理与计算机机器视觉学科的分支,在军事、民用的领域应用很多。基于稀疏光流的对运动中的目标进行检测和跟踪的方法,其通过计算图像中特定像素点的光流矢量,从而实现对目标的检测和跟踪。该方法同时结合了图像金字塔技术,可以精确地检测和跟踪那些运动速度快的物体。该方法具有能有效解决目标物被遮挡的情况,且能检测并跟踪运动速度很快的目标。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号