基于单目视觉的运动目标跟踪定位
第31卷 第4期四川兵工学报2010年4月
Ξ 收稿日期:2010-01-29
基金项目:山西省自然科学基金资助项目(2007012003)。
作者简介:孙彪(1984—),男,硕士研究生,主要从事图像测量研究。
【信息与计算机】
基于单目视觉的运动目标跟踪定位
Ξ
孙 彪
(中北大学现代无损检测中心,太原 030051)
摘要:介绍了单目视觉跟踪定位系统的原理、组成,采用Hough 变换提取运动目标的特征圆进行检测,基于邻域
线性搜索与卡尔曼滤波器相结合的跟踪算法,准确实现运动目标的跟踪定位和运动轨迹的三维重建,并进行了相应的实验验证分析,给出了最终的实验结果。
关键词:单目视觉;跟踪;定位;Hough 变换;卡尔曼滤波器中图分类号:TP392.6文献标识码:A 文章编号:1006-0707(2010)04-0085-05 计算机视觉是计算机科学和人工智能的一个重要分支,它既是工程领域,也是科学领域中的一个富有挑战性的重要研究领域,已经吸引了来自各个学科的研究者参加到对它的研究之中。计算机视觉研究的主要内容是通过各种成像系统代替视觉器官作为信号输入手段,由计算机来代替大脑完成对信息的处理和理解[1-4]。运动目标跟踪定位作为计算机视觉中的一个重要领域已经成为目前研究的热点问题,它通过视觉传感器对运动目标连续运动的图像序列的采集,从图像序列中对运动目标进行检测、跟踪、定位,最终实现对运动目标行为的描述和理解。
目前的计算机视觉跟踪定位主要有多目视觉传感器跟踪定位、双目视觉跟踪定位和单目视觉跟踪定位,但由于利用多目视觉传感器和双目视觉跟踪定位中存在着视场小、立体匹配难、系统结构庞大等缺陷,在很多场合已逐渐被结构简单、标定步骤少的单目视觉所代替。本实验中通过单目视觉实现了对运动目标的跟踪定位,设计了基于邻域线性搜索与卡尔曼滤波器相结合的跟踪算法,有效地减少了传统的跟踪算法对目标位置预测搜索的迭代时间,解决了在相邻帧图像中由于目标位置发生剧烈变化而容易出现目标丢失的问题,系统简单便携,具有较高的应用价值。
1 单目视觉跟踪定位系统
单目视觉跟踪定位系统主要通过一台摄像机对运动目标进行连续的图像序列的采集,应用设计好的算法在图像序列中对目标进行检测、跟踪、定位,并将运动目标的运动轨迹进行重建,对每时刻目标的三维空间位置坐标结果输出保存。系统原理框图如图1所示
。
图1 单目视觉跟踪定位系统原理
由于要对运动目标进行精确的跟踪定位,所以在试验
前要对摄像机的内参数进行标定测量,因此单目跟踪定位系统主要包括摄像机标定、运动目标检测、运动目标跟踪、运动目标定位4个部分。1.1 摄像机标定
摄像机标定是通过摄像机获取物体的一系列二维像片来确定摄像机内外参数,解决三维物点与二维像点的对应关系问题,它是计算机视觉领域里从二维图像提取三维空间信息必不可少的关键一步。
目前,摄像机标定方法根据标定方式的不同,主要可以归结为以下2种:传统的标定方法和自标定方法。传统的摄像机标定方法是指用一个结构已知、精度很高的标定块作为空间参照物,通过空间点和图像点之间的对应关系来建立摄像机模型参数的约束,然后通过参数估计来求得这些参数。传统的方法典型代表有DLT 方法(direct linear transf or mati on )、考虑畸变补偿的两步法,以及简易标定方法。传统的标定方法的优点在于可以获得较高的精度,但它是一种静止的标定方法,且标定过程费时费力,在实际应用中比较有局限。自标定方法(self 2calibrati on )是指直接由未标定的2幅或多幅图像来确定摄像机参数的过程,它克服了传统方法的缺点,不需要标定块,仅仅依靠多幅图像对应点之间的关系进行标定,但它一般没有考虑摄像
机畸变,算法迭代复杂,精度较低。
张正友标定方法鉴于传统标定方法和自标定之间,简单实用,而且在标定过程中考虑了镜头畸变,标定结果相对准确,因此在本实验中采用张正友标定法对三星P L60摄像机内参数进行标定。标定结果如下:
f =15mm,u 0=3.125mm,v 0=1.695mm
1.2 运动目标检测
运动目标检测主要可以分为静态场景和动态场景两种情况。静态场景就是在拍摄视频时摄像机固定不动,图像序列中的背景是相对静止的,只有目标在做运动,这种情况下的检测相对简单一些,常用的检测方法有背景相减法和帧差法。动态背景就是拍摄视频时摄像机是运动的,因此拍摄出来的视频不只是目标在运动,背景也会随着摄像机的运动而运动,因此情况比较复杂。本实验中就属于动态背景情况下运动目标的检测跟踪,通过采用基于Hough 变换的方法提取运动目标的特征圆来完成对运动目标的检测。
Hough 变换是由Paul Hough 于1962年提出,并申请了专利。基本思想就是将图像空间的一点变换到参量空间的一条曲线或一个曲面,而具有同一参量特征的点经变换后在参量空间中相交,通过判断交点处的累计程度来完成特征曲线的检测[5-6]。在Hough 变换的圆检测方法(circle hough transf or m,CHT )中,圆的基本参数是圆心和半径,CHT 就是利用三维空间参数积累来提取圆的。
令{x i ,y i |i =1,2…,n}是图像中待确定圆周上的点的集合,若该圆周的圆心坐标为a,b ,半径为r ,则圆周在图像空间中的方程为
x i -a 2+y i -b
2
=r 2(1)同样若
x,y 为图像集合中的一点,
它在参数坐标系
a,b,r 中的方程为
a -x
2
+
b -y
2
=r
2
(2)
显然,该方程为三维锥面,对于图像中任意确定的一点均
有参数空间的一个三维锥面与之相对应。对于圆周上的任何点的集合{x i ,y i |i =1,2…,n},这些三维锥面构成了确定方程(1.1)中的参数的锥面簇,若集合中的点同在一个圆周上,这些锥面将相交于
参数空间中的某一点a 0,b 0,r 0,这点恰好对应于图像空间中圆的圆心坐标和半径,如图2所示。
图2 圆的参数空间a,b,r
由于Hough 变换的前提是要在二值图像中进行,因此在采集到的图像中首先对图像进行边缘提取,目前常用的边缘检测算法有
Canny 算子边缘检测、LOG 算子边缘检测、Pre witt 算子边缘检测、Sobel 算子边缘检测和Robert 算子边缘检测。通过对各种算法的实验比较,本实验选用Canny 算子对图像进行边缘提取,取得了较好的效果,实验结果如图3所示。
图3 图像边缘检测算法比较
68四川兵工学报
在利用Canny 算子进行边缘提取后,通过Hough 变换对图
像中的运动目标特征圆进行提取检测,通过实验验证在复杂背景下提取取得了较好的效果,如图4所示
。
图4 运动目标特征圆提取
1.3 运动目标跟踪
运动目标跟踪是计算机视觉的重要组成部分,它主要
是针对包含目标的运动图像序列进行分析处理,确定运动目标在每帧图像中的具体位置,从而实现运动目标运动轨迹的三维重建。常见的运动目标跟踪方法主要有基于区域匹配跟踪、轮廓匹配跟踪和特征匹配跟踪。由于在本实验中要跟踪的是一个运动的篮球,具有较好的外形特征,因此采用提取图像中运动目标的特征圆进行跟踪[7-8]。
在本实验中摄像机和运动目标背景都在不停的变化,不能采用常见的背景相减、帧差法等检测跟踪算法对目标进行跟踪,因此采用邻域线性搜索的检测跟踪算法对运动目标进行跟踪,如图5所示
。
图5 邻域线性搜索算法原理
在跟踪前首先人为选定第一帧图像中的运动目标,由于相邻两帧图像的目标运动不会太快,下一帧图像中运动目标的位置根据上一帧图像中运动目标的位置向T ×d (半径)的区域搜索来确定,如红色框的,所以可以把后一帧的目标捕获住。但由于在某些情况下2帧图像之间运动目标位置变化极大,这样由于邻域线性搜索半径不能设置太大,这种情况下就容易出现目标丢失,导致后面的跟踪失败,针对这种情况,采用卡尔曼滤波器进行弥补。如果出现目标搜索不到的情况,就调用卡尔曼滤波器通过运动目标在上一帧图像中的位置来预测目标在当前帧的位置,以实现连续跟踪,这样既减少了传统跟踪算法的迭代次数,提高了跟踪的速度,又实现了连续跟踪的准确性。跟踪算法的流程如图6所示
。
图6 单目视觉跟踪算法流程
在本实验中,第20帧到21帧之间图像中运动目标之
间的位置发生了剧烈的变化,但采用本实验的跟踪算法有效的解决了这个问题,实现了运动目标的持续跟踪。实验结果如图7～8所示
。
图7 第20帧到21帧原始图
7
8孙 彪:基于单目视觉的运动目标跟踪定位
图8 第19帧到22帧图像的跟踪结果图
在摄像机采集的视频中对第23帧到31帧图像中运动目标进行了连续跟踪测试,经测试采用本实验设计的跟踪算法
取得了较好的跟踪效果,实验结果如图9所示
。
图9 第23帧到31帧图像跟踪测试
1.4 运动目标定位及三维重建
在双目图像定位中通过两个相机在不同位置所拍的
目标图像的景深不同,可以将目标的位置准确定位出来,但在单目视觉定位中由于所采集的图像中运动目标的位置是一个位于图像坐标系下的二维坐标,因此如何通过图像序列将运动目标在二维图像坐标系下的位置转换到摄像机坐标系下的三维坐标是单目视觉定位所要解决的一个首要条件。在本实验中通过相似三角形原理实现了上述转换。如图10所示
:
图10 单目视觉定位原理
88四川兵工学报
X =Z /f ×center (x );Y =Z /f ×center (y );Z =ob 2
jectsize /d ×f;
其中f 为摄像机焦距,center (x )为在图像坐标系下运动目标的中心x 坐标,center (y )为运动目标的中心y 坐标,objectsize 为运动目标篮球的直径,d 为半径。
在本实验中通过对拍摄的一段空中运动的篮球轨迹进行了重建,实验结果如图11所示
:
图11 运动目标三维轨迹重建
2 结束语
本论文设计的基于邻域线性搜索与卡尔曼滤波器相
结合的跟踪算法,不仅在跟踪时间上减少了算法的迭代时间,而且有效地解决了由于摄像机本身精度的原因,在采集的相邻两帧图像之间出现丢帧,运动目标位置发生严重
的突变,从而导致跟踪失败的问题,并且实现了单目视觉定位、运动目标运动轨迹的三维重建,整个单目视觉跟踪定位系统简单便携,在智能监控、运动分析、虚拟现实等领域中有广泛的应用前景。
参考文献:
[1] 孙即祥.图像分析[M ].北京:科学出版社,2005.[2] 冈萨雷斯,伍兹.阮秋琦.数字图像处理[M ].北
京:电子工业出版社,2005.[3] 罗磊,田增山,陈俊亚.EKF 定位跟踪算法研究[J ].
重庆邮电大学学报:自然科学版,2009,21(1):50-52.[4] 李乐.基于S OF M 神经网络的多目标跟踪方法[J ].
四川兵工学报,2009,30(4):20-23.[5] 王国宏,孔敏,何友.Hough 变换及其在信息处理中
的应用[M ].北京:兵器工业出版社,2005[6] 张杰,杨晓飞,赵瑞莲.基于Hough 变换圆检测的人
眼精确定位方法[J ].计算机工程与应用,2005,41:43-44.[7] 侯宇.基于Hough 变换的图象检测对偶点法[J ].中
国图象图形学报,2001,6:746-749.[8] 辛瑞红,运动目标的检测与跟踪研究[D ].北京:.北
京交通大学,2007.
(责任编辑 刘 舸)
(上接第84页)
3 结束语
本设计中利用Pr oteus 和Keil 对单片机多机通信进行
仿真。通过仿真实例不难看出,相对于硬件仿真,Pr oteus 仿真具有极佳的灵活性和可扩展性,可以省去对于硬件的需求,为研究串行通信提供了极大便利,同时也为单片机应用开发提供了一种新的方法和手段。
参考文献:
[1] 王可崇,张继梅,张广忠.一种非主从式通信的多单
片机测控系统[J ].电测与仪表,2003,40(7):35
-37.[2] 张靖武,周灵彬.单片机系统的PROTE US 设计与仿
真[M ].北京:电子工业出版社,2007.[3] 殷士勇.Keil 和Pr oteus 在单片机实验教学中的应用
[J ].重庆工商大学学报:自然科学版,2009,26(6):567-570.[4] 王迎旭.单片机原理与应用[M ].北京:机械工业出
版社,2004.[5] 马忠梅,马岩,张凯,等.单片机的C 语言应用程序
设计[M ].北京:北京航空航天大学出版社,1997.
(责任编辑 陈 松)
9
8孙 彪:基于单目视觉的运动目标跟踪定位
机器人视觉物体定位方法
机器人视觉物体定位方法 本次设计的题目是机器人视觉物体定位。伴随社会发展，机器人的利用越来越普及，出现了多种多样的智能机器人，由此也引发了对机器视觉的研究热潮。文章首先介绍了机器视觉的发展历程，并详细说明了各阶段的特点。接着概述了机器视觉技术的原理，深入剖析了主流视觉物体定位方法。然后介绍了机器人视觉物体定位方法常用的几种应用。最后介绍了几种新颖的视觉物体定位方法，并猜想机器人视觉物体定位技术未来发展方向。 关键词：机器视觉 SLAM技术单目视觉双目视觉多目视觉 第一章：绪论 1.1选题的背景及意义 在我国持续爆发的2019新型冠状病毒（即2019-nCoV）事件中,自动化食品仓储配送系统服务包括机器人、无人驾驶、无人机等再次成为讨论的焦点。配送机器人如何实现自动取货送货？无人驾驶汽车是怎么躲避行人？无人机巡航中怎么确定物体之间的距离？当我们谈到相关的话题时，机器视觉定位是无论如何也绕不开的问题。 自被誉为“机器人之父”的恩格尔伯格先生1959年发明第一台机器人以来，科学家一直把对机器人的研究作为研究的重点方向。传统的机器人缺乏环境感知能力和自动应变能力，仅仅只能在严格的预定义的环境中完成一些预定义和指令下的动作,应用非常有限局限。随着机器人逐渐走进人们的生产和生活中，人们也对机器人提出了更高的要求，希望实现在生产加工中对物体的自动加工、对自身运动轨迹实时的随动检测，节省对其运动轨迹的预先编程，提高生产效率。要达到这些要求，必须同时满足图像信息的获取、采集、处理和输出，这就是本文的研究重点：机器人视觉物体定位方法。
机器人视觉物体定位系统的设计和研发是为了更好地为工业机器人服务，它的本质是发挥摄像机定位以及跟踪性功能，很多企业在自身生产环节依赖于机器人，生产效率明显得到改善。然而很多的机器人是半自动的工作模式，只有在人工操控的指引下才能完成工作任务，这样的机器人实用性很差，无法彻底解放人工，实现自动化操作。为了提高机器人接收外界信息、感知外界信息的能力，进一步提高机器人的工作效率，保障工业生产的精度和质量，在以往的机器人系统中新增全新的计算机图像视觉获取系统,通过视觉图像获取系统中所捕捉的图像和外界信息,对捕捉的图像信息进行处理和分析识别，继而让机器人能够识别外界信息，然后再全面分析图像的基础上完成后续的重建和精准化计算，通过一系列的重建以及精准化的计算全面应用机器人控制柜通讯等等设备，掌控全面的工作，实现机器人对外界信息的跟踪和定位。 1.2国内外研究现状 国外研究现状 国外最先开始视觉物体定位技术的研究，应用领域也相对广泛，并且占据绝对的技术优势，其主要涉及机器人移动导航、三维立体测量、虚拟现实VR技术等。 20世纪60年代,美国mit的robert研究人员提出三维景物分析,标志着立体视觉和影像技术的结合点而诞生。立体视觉在此后20年的时间迅速地发展成为一门新的影像技术学科。到70年代时,以marr为主要代表的一批视觉物体定位方法研究学者已经整理和发展出了一整套关于视觉计算的理论基础。到80 年代后，大量利用空间几何研究双目立体视觉的学者提出了一系列理论与实际成果。 卡内基梅隆大学的Tomasi 和Kanade 等人对立体视觉的研究建立在摄像机为正交投影模型的假设下，分解出了三维结构和相机运行，成功研究出了基于图像的三维重建技术。但是，这项技术存在明显的缺点，由于假设相机为正交投影模型，而这个假设仅仅在物体深度远远大于物体尺寸时才是合理假设。美国
动态视频目标检测和跟踪技术(入门)
动态视频目标检测和跟踪技术 传统电视监控技术只能达到“千里眼”的作用，把远程的目标图像（原始数据）传送到监控中心，由监控人员根据目视到的视频图像对现场情况做出判断。智能化视频监控的目的是将视频原始数据转化为足够量的可供监控人员决策的“有用信息”，让监控人员及时全面地了解所发生的事件：“什么地方”，“什么时间”，“什么人”，“在做什么”。将“原始数据”转化为“有用信息”的技术中，目标检测与跟踪技术的目的是要解决“什么地方”和“什么时间”的问题。目标识别主要解决“什么人”或“什么东西”的问题。行为模式分析主要解决“在做什么”的问题。动态视频目标检测技术是智能化视频分析的基础。 本文将目前几种常用的动态视频目标检测方法简介如下： 背景减除背景减除（Background Subtraction）方法是目前运动检测中最常用的一种方法，它是利用当前图像与背景图像的差分来检测出运动目标的一种技术。它一般能够提供相对来说比较全面的运动目标的特征数据，但对于动态场景的变化，如光线照射情况和外来无关事件的干扰等也特别敏感。实际上，背景的建模是背景减除方法的技术关键。最简单的背景模型是时间平均图像，即利用同一场景在一个时段的平均图像作为该场景的背景模型。由于该模型是固定的，一旦建立之后，对于该场景图像所发生的任何变化都比较敏感，比如阳光照射方向，影子，树叶随风摇动等。大部分的研究人员目前都致力于开发更加实用的背景模型，以期减少动态场景变化对于运动目标检测效果的影响。 时间差分时间差分（Temporal Difference 又称相邻帧差）方法充分利用了视频图像的特征，从连续得到的视频流中提取所需要的动态目标信息。在一般情况下采集的视频图像，若仔细对比相邻两帧，可以发现其中大部分的背景像素均保持不变。只有在有前景移动目标的部分相邻帧的像素差异比较大。时间差分方法就是利用相邻帧图像的相减来提取出前景移动目标的信息的。让我们来考虑安装固定摄像头所获取的视频。我们介绍利用连续的图像序列中两个或三个相邻帧之间的时间差分，并且用阈值来提取出视频图像中的运动目标的方法。我们采用三帧差分的方法，即当某一个像素在连续三帧视频图像上均有相
机器视觉定位技术应用
机器视觉技术应用--视觉定位系统 （编辑：李军单位：无锡创视新科技有限公司） 当前，工业产品种类繁多，在工业产品的生产过程中，都可能涉及到自动定位。如自动化生产线中要求对各零件快速、准确的安装到位。但目前还有部分加工厂还都采用传统的人工定位方法，此方法存在以下缺点： （1）长时间定位单一产品，检测工人眼睛容易疲劳，并且容易受情绪的影响，定位结果难以保证； （2）每个工人对同种被定位准确性的判断标准有轻微的浮动，定位标准不一致，因此很难保证高质量的产品； （3）人工定位的速度相对很慢，定位准确一个产品就需要很长时间，人工定位无法满足高速生产线的在线定位需求。 随着科技的发展，市场及用户对产品的精密程度和质量的要求越来越高，传统的定位方法已经不能满足用户的需求，因此，行业便相继引进机器视觉技术。 机器视觉就是用机器代替人眼来做测量和判断，通过机器视觉产品（即图像摄取装置，分 CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉技术具备定位功能，能够自动判断物体的位置，并将位置信息通过一定的通讯协议输出。此功能多用于全自动装配和生产，譬如自动组装、自动焊接、自动包装、自动灌装、自动喷涂，多配合自动执行机构（机械手、焊枪、喷嘴等）。 基于机器视觉的视觉定位技术得到了广大加工厂商的普遍关注，全自动视觉定位方法不但克服了传统人工定位方法的缺点，同时也发挥了自己快速准确的优点：（1）定位精度高，定位结果可靠、稳定； （2）定位速度快，并且可以长时间工作，可以达到24小时全天运行。 在视觉定位检测系统中，能够准确识别产品的方向和位置是系统的核心。定位检测可分为两个步骤，一是制作标准模板，二是搜索。视觉定位系统采用先进的图像视觉检测技术，实现对高速运动的工业产品进行实时全面的视觉定位分析。当系统配备一台高性能彩
单目视觉定位方法研究综述
万方数据
万方数据
万方数据
万方数据
单目视觉定位方法研究综述 作者：李荣明， 芦利斌， 金国栋 作者单位：第二炮兵工程学院602教研室,西安,710025 刊名： 现代计算机：下半月版 英文刊名：Modem Computer 年，卷(期)：2011(11) 参考文献(29条) 1.R.Horaud;B.Conio;O.Leboullcux An Analytic Solution for the Perspective 4-Point Problem 1989(01) 2.任沁源基于视觉信息的微小型无人直升机地标识别与位姿估计研究 2008 3.徐筱龙;徐国华;陈俊水下机器人的单目视觉定位系统[期刊论文]-传感器与微系统 2010(07) 4.邹伟;喻俊志;徐德基于ARM处理器的单目视觉测距定位系统[期刊论文]-控制工程 2010(04) 5.胡占义;雷成;吴福朝关于P4P问题的一点讨论[期刊论文]-自动化学报 2001(06) 6.Abdel-Aziz Y;Karara H Direct Linear Transformation from Comparator to Object Space Coordinates in Close-Range Ph- togrammetry 1971 7.Fishier M A;Bolles R C Random Sample Consensus:A Paradigm for Model Fitting with Applications to Image Analy-s~s anu Automated tartograpny 1981(06) 8.祝世平;强锡富用于摄像机定位的单目视觉方法研究[期刊论文]-光学学报 2001(03) 9.沈慧杰基于单目视觉的摄像机定位方法的研究 2009 10.任沁源;李平;韩波基于视觉信息的微型无人直升机位姿估计[期刊论文]-浙江大学学报（工学版） 2009(01) 11.刘立基于多尺度特征的图像匹配与目标定位研究[学位论文] 2008 12.张治国基于单目视觉的定位系统研究[学位论文] 2009 13.张广军;周富强基于双圆特征的无人机着陆位置姿态视觉测量方法[期刊论文]-航空学报 2005(03) 14.Zen Chen;JenBin Huang A Vision-Based Method for theCircle Pose Determination with a Direct Geometric Interpre- tation[外文期刊] 1999(06) 15.Safaee-Rad;I.Tchoukanov;K.C.Smith Three-Dimension of Circular Features for Machine Vision 1992 16.S.D.Ma;S.H.Si;Z.Y.Chen Quadric Curve Based Stereo 1992 17.D.A.Forsyth;J.L.Munday;A.Zisserman Projective In- variant Representation Using Implicit Algebraic Curves 1991(02) 18.吴朝福;胡占义PNP问题的线性求解算法[期刊论文]-软件学报 2003(03) 19.降丽娟;胡玉兰;魏英姿一种基于平面四边形的视觉定位算法[期刊论文]-沈阳理工大学学报 2009(02) 20.Sun Fengmei;Wang Weining Pose Determination from a Single Image of a Single Parallelogram[期刊论文]-Acta Automatica Sinica 2006(05) 21.吴福朝;王光辉;胡占义由矩形确定摄像机内参数与位置的线性方法[期刊论文]-软件学报 2003(03) 22.王晓剑;潘顺良;邱力为基于双平行线特征的位姿估计解析算法[期刊论文]-仪器仪表学报 2008(03) 23.刘晓杰基于视觉的微小型四旋翼飞行器位姿估计研究与实现 2009 24.刘士清;胡春华;朱纪洪一种基于灭影线的无人直升机位姿估计方法[期刊论文]-计算机工程与应用 2004(9) 25.Mukundan R;Raghu Narayanan R V;Philip N K A Vision Based Attitude and Position Estimation Algorithm for Rendezvous and Docking 1994(02)
人体目标检测与跟踪算法研究
人体目标检测与跟踪算法研究 摘要：近些年以来，基于视频中人体目标的检测与跟踪技术研究越来越被重视。然而，由于受到目标自身特征多样性和目标所处环境的复杂性和不确定性的影响，现存算法的性能受到很大的限制。本文对目前所存在的问题进行了分析，并提出了三帧差分法和改进阈值分割法相结合的运动目标检测算法和多特征融合的改进运动目标跟踪算法。这两种算法不仅可以准确有效的检测出运动目标而且能够满足实时性的要求，有效的解决了因光照变化和目标遮挡等情况造成的运动目标跟踪准确度下降或跟踪目标丢失等问题。 关键词：三帧差分，Camshift，阈值分割 Research Based on Human Target Detectionand Tracking Algorithm Abstract: In recent years, human object detection and tracking become more and more important. However the complexity, uncertainty environment and the target’s own diversity limit the performance of existing algorithms. The main works of this paper is to study and analysis the main algorithm of the human object detection and tracking, and proposes a new moving target detection method based on three-frame difference method and threshold segmentation and improved Camshift tracking algorithm based on multi-feature fusion. These algorithm can satisfy the real-time, while accurately and efficiently detect moving targets, and also effectively solves the problem of tracking object lost or misplaced under illumination change or target occlusion. Keywords: three-frame difference, Camshift, threshold segmentation 一、绪论 （一）选题的背景和意义 人类和动物主要通过眼睛来感受和认知外部世界。人类通过视觉所获取的信息占了60%[1]，因此，在开发和完善人工智能的过程中，赋予机器视觉的功能这一操作极不可缺少。完善上述功能需要以许多技术为基础，特别是运动目标的检测与跟踪技术。近些年以来，此技术受到了越来越多的关注[2]。目前，此技术也在各领域得到了充分的应用，涵盖的领域有智能交通、导航、智能视频监控、精确制导、人机交互和多媒体视频编码压缩技术等。
视觉跟踪技术发展和难点问题的分析
信息技术与信息化 计算机技术与应用 63 视觉跟踪技术发展和难点问题的分析 The Tendency of the V isual Tracking and the Analysis of Tr oubles 张 进3 ZHAN G J in 摘 要 本文介绍了计算机视觉领域里的一种新兴技术即视觉跟踪技术。其中,主要介绍了视觉跟踪技术的产生、发展,同时也提到了跟踪技术中难点问题和解决思路。 关键词 视觉跟踪 目标检测 目标识别 目标跟踪 Abstract I n this paper,it describes a new technol ogy which called visual tracking of the computer visi on field .The text intr oduces that the new technol ogy ’s e mergence and devel opment,at the sa me ti m e,it refers s ome p r oble m s of this technol ogy and how t o res olve these p r oble m s. Keywords V isual tracking Object detecti on Object identificati on Object tracking 3山东建筑大学信电学院 250010 在当今的信息化社会中,随着计算机网络、通信以及微电子技术的发展,计算机图像以其直观形象、内容丰富的特点备受人们青睐。然而,在很多应用领域,人类在全部依赖视觉获得信息的同时,也需要付出艰辛的劳动。需要一种智能计算机系统技术,来模拟人眼获取外界信息图像,并模拟人脑进行视觉信息的分析和理解,从而做出相应的响应,这种技术的研究越来越受到诸多学者专家的厚爱,它就是我要介绍的视觉跟踪技术。 视觉跟踪技术用途广泛,目前它已经应用于计算机视觉等许多领域,如:视频监控、视觉用户接口、虚拟现实、智能大楼、基于目标跟踪的视频压缩等。这种技术的研究同时也为高层次的计算机视觉的研究打下基础,如3-D 目标的识别与重建等。 1 研究的主要内容和目的 视觉跟踪技术主要完成的工作有以下三个:目标的检测,目标的识别和目标的跟踪。 1.1 目标检测 目标检测是从图像序列中将前景运动区域从背景中提取出来。目标检测是运动物体的分类与跟踪以及运动人体动作分析与理解的基础,该阶段处理结果直接影响到后续处理的效果,所以运动检测在人体运动分析中的作用非常重要。然而,实时多变的外界条件如天气,光照,运动物体的影子及混乱干扰的影响给运动检测带来了困难。目前几种常用的运动检测方法有:背景减除法,时域差分法和光流法。 1.2 目标识别 目标的识别即目标的分类,一般把检测到的运动目标分为两类:人和非人,其中人体跟踪的目的是从检测的运动区域中将人的运动区域提取出来。常用的分类方法有基于形状特征的分类 (利用检测的运动区域的形状特征进行分类),比如:区域的分散 度,面积,宽高比等作为特征;基于运动特性的分类,比如:利用人的运动具有周期性作为特征。为了得到更准确的分类效果,可以将上述两种方法结合起来使用,还可以考虑运动物体的色彩和运动特征。 1.3 目标跟踪 运动目标的跟踪是指在连续帧的图像间建立基于位置、形状和颜色等有关特征的匹配问题。简单来说,就是在序列图像中,为运动目标定位。目前视频监控系统己经广泛应用到了对安全要求非常敏感的场合和机构,如银行,商场,飞机场等,但是目前的应用并没有发挥它实时主动的监控作用。因为现阶段的视频监控系统大部分只提供视频录像和回放的功能,往往是当异常事件发生后,相关人员才通过记录的结果来观察曾经发生的事,但此时往往为时己晚。人们需要的监控系统是能够实行实时监控,并能自主分析摄像头捕捉的视频信息,若发生异常情况,可以及时报警,从而避免意外发生,同时也减少了雇佣大量监视人员所需要的物力和财力。 2 视觉跟踪技术的发展 近年来,随着运动分析的硬件的发展(包括视频获取设备如摄像头,图像采集卡,处理器和计算机等),基于视频信息的分析迅速渗透到人民生活的各个方面。巨大的商业价值和应用价值使越来越多的公司和学术机构致力于这种技术的研究。美国,英国等国家己经展开了大量相关项目的研究。 1997年,由美国国防高级研究项目署DARP A (Defence Ad 2vanced Research Pr ojects Agency )领头,以美国卡耐基梅隆大学为 首,麻省理工学院等高校参与了视频监控系统项目VS AM [1]的研究开发,并于2000年基本完成.此项目主要研究用于战场及普通民用场景进行监控的自动视频理解技术:分布于各个不同位置的摄像头获取的视频信号通过一个分布式的网络连接汇集到操作 中心,只需要一个操作人员就可以监控一个相当广阔的空间范
目标检测与跟踪实验报告3 王进
《图像探测、跟踪与识别技术》 实验报告 专业：探测制导与控制技术 学号：11151201 姓名：王进 2014 年11月
实验三复杂场景下目标的检测与跟踪 一、实验目的 1. 学习不同目标跟踪算法，对比不同算法对于复杂场景的效果； 2. 学习OpenCV与VS2010的联合编程，提高编程能力。 二、实验要求 1. 要求学生至少使用一种目标跟踪算法对视频中出现的目标进行跟踪； 2. 检验所选算法在复杂场景下的效果； 3. 使用VS2010/2012和OpenCV进行编程； 4. 本实验不要求目标检测，所以目标可以手动标出。 三、实验步骤 1. 想办法找到目标（可手动框出）。 2. 编写目标跟踪函数代码； 四、实验报告 1、CAMSHIFT算法原理 CAMSHIFT算法是利用目标的颜色直方图模型将图像转换为颜色概率分布图，初始化一个搜索窗的大小和位置，并根据上一帧得到的结果自适应调整搜索窗口的位置和大小，从而定位出当前图像中目标的中心位置。 这个算法可以分为三个部分： 1、色彩投影图（反向投影）： (1).RGB颜色空间对光照亮度变化较为敏感，为了减少此变化对跟踪效果的影响，首先将图像从RGB空间转换到HSV空间。(2).然后对其中的H分量作直方图，在直方图中代表了不同H分量值出现的概率或者像素个数，就是说可以查找出H分量大小为h的概率或者像素个数，即得到了颜色概率查找表。(3).将图像中每个像素的值用其颜色出现的概率对替换，就得到了颜色概率分布图。这个过程就叫反向投影，颜色概率分布图是一个灰度图像。 2、MEANSHIFT MEANSHIFT算法是一种密度函数梯度估计的非参数方法，通过迭代寻优找到概率分布的极值来定位目标。 算法过程为： (1).在颜色概率分布图中选取搜索窗W (2).计算零阶距： 计算一阶距：
视觉目标检测算法说明
视觉目标检测算法说明 1.功能 通过安装在战车上的摄像头，检测视野范围内的敌方战车。 2.算法： 2.1目标检测与识别 1.颜色检测 采集大量敌方机器人的图片数据，并进行训练，得到对方机器人的颜色区间， 并以此为阈值对整幅图像进行颜色检测，找到疑似敌方机器人的区域，量化 成二值图。 2.滤除噪声点 对得到的二值图像进行开运算处理，滤除颜色检测结果中的噪声点。 3.连通区域检测 对图像中的疑似区域进行连通区域检测，计算出每个疑似区域的外部轮廓， 用矩形近似表示。 4.连通区域合并 根据连通区域之间的距离和颜色相似性，将距离接近且相似性高的连通区域 进行合并。 5.形状和大小过滤 对大量敌方机器人图片进行训练，得到对方机器人的形状信息（例如长宽比） 和大小信息（面积），并以此为依据将不符合的区域过滤掉。 经过以上五步的处理，可以初步得到敌方机器人的位置、大小和形状信息。 2.2目标运动跟踪 对上步中的检测结果进行运动跟踪。 1.状态估计 根据上一时刻地方机器人的运动状态（包括位置和速度），估算当前时刻机 器人的运动状态。 2.轨迹关联 根据位置和颜色信息，对当前时刻机器人的估计状态和检测结果进行关联。 3.状态更新 若上一步中关联成功，更新当前时刻的运动状态。 通过对检测结果进行运动跟踪，可以计算出当前时刻敌方机器人的运动速度和方 向。 2.3预估提前量
1.评估延迟时间 根据己方机器人实际的调试情况，通过多次试验和统计的方法，估算己方机器人从接收命令到炮弹（或子弹）击中目标区域的时间延时（包括图像处理 时间、落弹时间和炮弹飞行时间）。 2.计算提前量 根据延迟时间和敌方机器人的运动速度，计算炮弹发射的提前量，补偿到敌方机器人的运动状态中。 3.总结： 对于机器人战车中的敌方目标检问题，有很多种方法可以实现，视觉检测只是其中的一种方法，而基于颜色识别的目标检测也只是视觉算法中比较简单有效的一种。所以，本段代码只是抛砖引玉的一个样本，适用范围只针对于2014年RoboMasters夏令营的场地和战车，希望可以看到大家更加简单有效的算法。
浅谈移动机器人视觉识别定位技术
浅谈移动机器人视觉识别定位技术 姓名：杜翼班级：机设应08-01 学号：2008543000 摘要：视觉识别定位技术是移动机器人最重要的技术之一，针 对移动机器人所处的不确定环境和自身状态的不可测性，研究与开发机器人视觉识别定位技术应用而生。 本文系统综述了移动机器人的视觉识别定位技术，对其中的仿人视觉的图像搜索与跟踪，信标匹配与优化选择 ，基于视觉的多机器人协作定位等进行了较详细的原理分析。 同时对智能机器人 导航技术的发展趋势和存在的问题作了进一步的阐述． 关键词：定位技术智能机器人仿真分析需求 0 引言 定位技术是自主导航智能机器人 应具备的基本功能．是智能机器人能否实现自由导航的 基础。理想的智能机器人应具有以下能力：当处于一个 未知的、复杂的、动态的非结构环境中，并且在没有人 干预的情况下，通过感知环境，能够到达期望的目的 地，同时应尽量减少时间或能量的消耗等。 视觉定位方法是近年来发展起来的一种先进的 定位方法. 利用摄像机摄取包含信标的图像信息, 经 图像处理提取并识别信标, 再根据信标的先验知识, 计算出传感器在环境中的位姿. 当传感器与载体的 位置关系已知时, 则载体在这个环境中的位置和方 向就可以同时计算出来. 如果这种位姿数据可以实 时在线计算, 就满足了移动状态下的自主定位. 1视觉定位识别系统与方法 机器人视觉系统正如人的眼睛一样, 是机器人感知局部环境的重要“器官”, 同时依此感知 的环境信息实现对机器人的导航. 机器人视觉信息主要指二维彩色CCD 摄像机信息, 在有些 系统中还包括三维激光雷达采集的信息。 图像
处理, 其难点在于如何保证定位系统设计功能实现 的前提下具有实时性和鲁棒性. 根据三角定位原理, 视觉信息定位导航要求视觉图像处理能够正确快速 的提取和识别图像中的信标。视觉图像处理方法的优劣是能 否实现快速准确视觉定位计算的关键. 1.1仿人视觉的图像搜索与跟踪 人类的视觉系统在进行目标搜索和跟踪时, 具有这样一个 特性:初始阶段, 人眼对所能看见的范围进行大致的目标搜索和 识别, 然后将注意力集中到感兴趣物体的细节上, 当人所感兴趣 的目标发生运动时, 人眼注意力将完全集中到目标上, 对于目标 之外的物体, 并不注意。因此考虑模拟人类视觉过程来运用遗传算法, 在实时动态图像中进行目标搜索和跟踪。 在机器人视觉系统对现场实时图像采样过程中, 每取 一帧图像只进行一代遗传算法搜索。当然, 这一代搜索在初期 时, 很难正确地识别目标的位置和状态, 但是若以系统整个控 制进程作为种群进化过程来看, 随着视觉跟踪的连续进行, 整 个种群将逐步收敛到目标位置。 另一方面和上面的“一帧图像一代遗传算法搜索”相配合, 将遗传算法搜索范围进行分级。这样做的主要原因是: 随着遗传算 法搜索的进行, 当匹配模板逐渐靠近实际目标区域时, 适应度 函数值将逐渐增大, 它的增大表示离正确的目标位置越来越 近, 此时可将搜索区域进行缩小, 只对系统感兴趣的区域进行 搜索, 对其它区域可以不再进行任何操作, 这一点和人的视觉 跟踪过程非常相似。 目前视觉信息处理的内容主要包括: 视觉信息的压缩和滤波、道路检测和障碍物检测、特定交通道路标志的识别、三维信息感知与 处理. 其中道路检测和障碍物检测是视觉信息处理中最重要的过程, 也是最困难的过程. 视觉 信息的获取是局部路径规划和导航的基础, 道路检测的成功与否决定了机器人能否正确识别 当前的道路环境, 能否正确作出局部路径规划并执行路径跟踪. 为了简化视觉信息处理, 降低
目标检测、跟踪与识别技术与现代战争
目标检测、跟踪与识别技术与现代战争 【摘要】本文讨论目标检测、跟踪与识别技术在现代战争各个领域中的应用，总结目标识别技术的发展方向，提出目标识别技术工程化实现方法，同时本文介绍了国外目标识别的现状及发展趋势，提出了现代战争应采用综合识别系统解决目标识别问题的建议。 关键词目标检测；目标跟踪；目标识别；雷达；人工神经网络；精确制导 1．引言 随着现代科学技术的飞速发展及其在军事领域内日益广泛的应用，传统的作战思想、作战方式已发生根本性的变化。从第一次海湾战争到科索沃战争，特别是刚刚结束的海湾战争，空中精确打击和空地一体化作战已经成为最重要的作战形式。集指挥、控制、通信、计算机、情报、监视侦察于一体的C ISR 已成为取得战场主动权，赢得最后胜利的关键因素。目标识别技术是雷达智能化、信息化的重要技术支撑手段。在现代化战争中，目标识别技术在预警探测、精确制导、战场指挥和侦察、敌我识别等军事领域都有广泛的应用前景，已受到了世界各国的关注。 现代战争中取得战场制信息权的关键之一是目标属性识别。现代战争的作战环境十分复杂，作战双方都在采用相应的伪装、隐蔽、欺骗和干扰等手段和技术，进行识别和反识别斗争。因此仅仅依靠一种或少数几种识别手段很难准确地进行目标识别，必须利用多个和多类传感器所收集到的多种目标属性信息，综合出准确的目标属性，进行目标检测，跟踪后进行识别。 2．目标检测、跟踪与识别技术在现代战争中的应用 2．1 目标检测、跟踪与识别技术在预警探测上的应用 目标检测、跟踪与识别技术对于弹道导弹的预警工作有重要的作用。弹道导弹一般携带多个弹头，其中可能包含核弹头或大规模杀伤的弹头以及常规弹头，预警雷达必须具备对目标进行分类和识别真假弹头的能力，将核弹头或大规模杀伤的弹头分离出来，为弹道导弹防御(BMD)系统进行目标攻击和火力分配提供依据。早期的BMD系统假设只有一个核弹头，多弹头分导技术的出现，使问题转化为雷达的多目标识别问题，加上电子对抗技术的广泛使用，给目标识别技术带来很大困难。另外，预警雷达还要对空中目标或低空目标进行探测，对来袭目标群进行分类识别。利用星载雷达以及远程光学望远镜等观测设备，可以对外空目标进行探测，对外空来袭目标进行分类和识别，达到早期预警的工作。
育龄妇女计划外妊娠原因分析
育龄妇女计划外妊娠原因分析 临床资料 根据1848例病历中病史记载及b超检查，统计育龄妇女避孕失败原因及节育器失败的原因及类型，其中工具避孕失败976例，居首位，占意外妊娠总数的528%；带器妊娠322例（174%），无措施376例（203%），脱环87例（471%），漏服避孕药4 例（022%），其他83例（449%）。 带器妊娠322例中，圆形环35例（1087%），宫形环67例（20 81%），圆宫环43例（1335%），t形环127例（687%），母体乐4例（124%），吉妮6例（186%），安舒29例（9%），环状不清11例（342%）。 节育器脱落87例中，圆形11例（1264%），宫形23例（26 44%），t形17例（1954%），母体乐4例（460%），吉妮2例（230%），安舒6例（690%），圆宫18例（2069%），环状不清6例（690%）。 避孕失败原因分析 本研究资料显示，导致意外妊娠的主要原因依次为避孕套漏用、带器妊娠、无措施、节育器脱落、避孕药漏服，其他可能与以下因素有关：①育龄妇女对避孕药具的正确使用方法掌握不到位：避孕套较高的使用率与避孕知识不足，导致其不正确使用以及使用体外
排精和安全期避孕方法仍可导致避孕失败，或不愿全程使用避孕套，导致避孕失败。②对无措施人员管理不到位，宣传力度不够：因漏管造成意外怀孕，发生无保护性行为后，能主动采取紧急避孕措施施与以补救的比例很低，虽然大多数育龄妇女认为其男伴关注避孕问题，但主动采用比例并不高。③宫腔大、宫口松驰、体力劳动过强及放置宫内节育器后月经过多易造成节育器移位或脱落外，多与手术者的技术操作熟练程度、选用宫内节育器的大小及制作材料有关。如宫内节育器未放置到底或宫内节育器过小，位于宫腔的下方或一侧，均可导致脱落、带器妊娠或移位，导致怀孕。如宫内节育器放置到位，其下移和脱落的动因是与子宫的收缩、宫内节育器的材料、形状、与子宫形态的匹配以及子宫的敏感性和收缩强度等因素有关。没有定期进行环情监测，对环移位及脱落者不能及时发现，环到期没有及时更换，造成意外怀孕。④避孕知识不足，有效避孕措施采用缺失，现有咨询宣教与药具发放服务空白式避孕失败的重要问题。 讨论 加强计划生育服务知识宣教，国际上提倡流产后计划生育服务，借助人工流产服务的机会向育龄妇女提供生殖健康宣教及避孕药具，帮助每位妇女自己决定是否需要及如何选择恰当避孕方法，并使其及其性伴侣能有效的使用这种避孕方法，目前中国流产后计划生育服务仍与国际有较大差距。流产后育龄妇女急需由专业医务人员对其进行系统的避孕方法知识宣教，增强有关知识，纠正以往的
目标检测与跟踪
第九章图像目标探测与跟踪技术 主讲人：赵丹培 宇航学院图像处理中心 zhaodanpei@https://www.wendangku.net/doc/b82821745.html, 电话：82339972
目录 9.1 概论 9.2 目标检测与跟踪技术的发展现状9.3 目标检测与跟踪技术的典型应用9.4 图像的特征与描述 9.5 目标检测方法的基本概念与原理9.6 目标跟踪方法涉及的基本问题
9.1 概论 1、课程的学习目的 学习和掌握目标探测、跟踪与识别的基本概念和术语，了解一个完整信息处理系统的工作流程，了解目标探测、跟踪与识别在武器系统、航空航天、军事领域的典型应用。了解目标检测、跟踪与识别涉及的关键技术的发展现状，为今后从事相关的研究工作奠定基础。 2、主要参考书： 《目标探测与识别》，周立伟等编著，北京理工大学出版社； 《成像自动目标识别》，张天序著，湖北科学技术出版社； 《动态图像分析》，李智勇沈振康等著，国防工业出版社；
引言：学习目标检测与跟踪技术的意义 ?现代军事理论认为，掌握高科技将成为现代战争取胜的重要因素。以侦察监视技术、通信技术、成像跟踪技术、精确制导技术等为代表的军用高科技技术是夺取胜利的重要武器。 ?成像跟踪技术是为了在战争中更精确、及时地识别敌方目标，有效地跟踪目标，是高科技武器系统中的至关重要的核心技术。 ?例如：一个完整的军事战斗任务大致包括侦察、搜索、监视以及攻击目标和毁伤目标。那么快速的信息获取和处理能力就是战争胜利的关键，因此，目标的实时探测、跟踪与识别也成为必要的前提条件。
?随着现代高新技术的不断发展及其在军事应用领域中的日益推广，传统的作战形态正在发生着深刻的变化。 1973年的第四次中东战争，1982年的英阿马岛之战，1991年的海湾战争及1999年的科索沃战争，伊拉克战争等都说明了这一点。西方各军事强国都在积极探索对抗武器，特别是美国更是投入了巨大的物力、人力和财力积极研制弹道导弹防御系统。而图像检测、跟踪和识别算法作为现代战场信息环境作战成败的关键，具备抗遮挡、抗丢失和抗机动鲁棒性的智能跟踪器，将是现代战场作战必备品，具有广泛的应用前景。
目标检测与跟踪方法在自动跟踪装置中的应用
第33卷增刊2007年11月 光学技术OPTICAL TECHN IQU E Vol.33Suppl. Nov. 2007 文章编号:100221582(2007)S 20069203 目标检测与跟踪方法在自动跟踪装置中的应用 Ξ 伍翔,霍炬,杨明,董红红 (哈尔滨工业大学控制与仿真中心,哈尔滨 150082) 摘 要:介绍了一种应用于自动跟踪装置上的运动背景下目标检测与跟踪的方法,采用仿射模型作背景运动估计进行检测以及mean 2shift 算法跟踪目标,并将该方法应用到一套自动跟踪系统实验平台上。 关 键 词:仿射模型;mean 2shift 算法;自动跟踪装置 中图分类号:TP751 文献标识码:A Application of a moving target detecting and tracking method in the automatic 2tracking equipment WU X iang ,H UO J u ,Y ANG Ming ,DONG H ong 2hong (Control and Simulation Center ,Harbin Institute of Technology ,Harbin 150082,China ) Abstract :This paper presents a moving target detecting and tracking method in moving background for the automatic 2tracking equipment.It uses affine model to estimate the moving character of the background for detecting ,and uses mean 2shift algorithm for tracking.An automatic 2tracking experimental system is realized by using this method. K ey w ords :affine model ;mean 2shift algorithm ;automatic 2tracking equipment 0 引 言 基于图像处理的运动目标检测与跟踪,作为图像处理技术的一个分支,由于其在民用和军用上的广泛应用 [1,2] ,也逐 渐成为研究的热点。本文主要针对自动跟踪装置,研究与设计一种图像处理的方法,实现运动背景下运动目标检测与跟踪,并应用到所搭建的自动跟踪仿真系统中。 1 自动跟踪系统实验平台 利用图像处理的方法实现自动跟踪功能的跟踪系统一般由摄像机、图像采集卡、计算机、伺服系统几部分组成。摄像机、图像采集卡以及计算机都装载在伺服系统上,当摄像机的视野中出现运动目标时,计算机对图像采集卡采集到的图像进行处理分析,得出运动目标的位置等信息,传递给伺服系统,伺服系统带动相机跟踪目标,使得目标始终保持在视野的中心 。 图1 自动跟踪系统实验平台结构框图 图1即为所搭建的自动跟踪系统实验平台的结构框图, 该平台是专门根据自动跟踪装置的结构和特点设计的,对自动跟踪装置进行模拟。由图1可知,在计算机上实现的图像处理部分,是整个系统的关键。它所要完成的功能是从采集图2 图像处理部分基本流程 到的每幅视频图像中找出运动目标的位置,即运动目标的检测与跟踪。它主要包括两方面:第一,运动目标的检测与提取;第二,目标跟踪。其处理流程图如图2所示。 2 运动目标检测 2.1 背景模型选取 根据摄像机相对于场景的运动情况可以将运动目标检测分为静止背景下运动目标检测和运动背景下运动目标检测两种。由自动跟踪装置的特性可知,在跟踪目标的过程中,摄像机随着伺服系统一起运动,所以应该考虑的是运动背景下运动目标的检测。 本文采用的是运用背景运动估计进行建模的思想,将两帧图像之间的背景运动关系用仿射变换表示,建立一个仿射运动参数模型。如 x k +1=a 1x k +a 2y k +d x y k +1=a 3x k +a 4y k +d y (1) 9 6Ξ收稿日期:2006212211 E 2m ail :wuxiang602@https://www.wendangku.net/doc/b82821745.html, 基金项目:国家自然科学基金资助(60434010) 作者简介:伍翔(19842),男,苗族,湖南省人,哈尔滨工业大学硕士研究生,从事图像处理研究。
目标检测、跟踪与识别技术与现代战争
《图像检测、跟踪与识别技术》论文 论文题目： 图像检测、跟踪与识别技术与现代战争 专业：探测制导与控制技术 学号：35152129 姓名：刘孝孝
目标检测、跟踪与识别技术与现代战争 【摘要】本文讨论目标检测、跟踪与识别技术在现代战争各个领域中的应用，总结目标识别技术的发展方向，提出目标识别技术工程化实现方法，同时本文介绍了国外目标识别的现状及发展趋势，提出了现代战争应采用综合识别系统解决目标识别问题的建议。 关键词目标检测；目标跟踪；目标识别；雷达；人工神经网络；精确制导 1．引言 随着现代科学技术的飞速发展及其在军事领域内日益广泛的应用，传统的作战思想、作战方式已发生根本性的变化。从第一次海湾战争到科索沃战争，特别是刚刚结束的海湾战争，空中精确打击和空地一体化作战已经成为最重要的作战形式。集指挥、控制、通信、计算机、情报、监视侦察于一体的C ISR 已成为取得战场主动权，赢得最后胜利的关键因素。目标识别技术是雷达智能化、信息化的重要技术支撑手段。在现代化战争中，目标识别技术在预警探测、精确制导、战场指挥和侦察、敌我识别等军事领域都有广泛的应用前景，已受到了世界各国的关注。 现代战争中取得战场制信息权的关键之一是目标属性识别。现代战争的作战环境十分复杂，作战双方都在采用相应的伪装、隐蔽、欺骗和干扰等手段和技术，进行识别和反识别斗争。因此仅仅依靠一种或少数几种识别手段很难准确地进行目标识别，必须利用多个和多类传感器所收集到的多种目标属性信息，综合出准确的目标属性，进行目标检测，跟踪后进行识别。 2．目标检测、跟踪与识别技术在现代战争中的应用 2．1 目标检测、跟踪与识别技术在预警探测上的应用 目标检测、跟踪与识别技术对于弹道导弹的预警工作有重要的作用。弹道导弹一般携带多个弹头，其中可能包含核弹头或大规模杀伤的弹头以及常规弹头，预警雷达必须具备对目标进行分类和识别真假弹头的能力，将核弹头或大规模杀伤的弹头分离出来，为弹道导弹防御(BMD)系统进行目标攻击和火力分配提供依据。早期的BMD系统假设只有一个核弹头，多弹头分导技术的出现，使问题转化为雷达的多目标识别问题，加上电子对抗技术的广泛使用，给目标识别技术带来很大困难。另外，预警雷达还要对空中目标或低空目标进行探测，对来袭目标群进行分类识别。利用星载雷达以及远程光学望远镜等观测设备，可以对外空目标进行探测，对外空来袭目标进行分类和识别，达到早期预警的工作。 2．2 目标检测、跟踪与识别技术在精确制导上的应用 精确制导方式很多，包括主动式、半主动式和被动式寻的制导方式，通过设在精确制导武器
人形目标检测与跟踪
——人形目标检测与跟踪
一、 本组研究方案，算法系统框图 二、 检测算法、原理、程序实现方法、调试过程 【视频处理】 老师提供的两端视频两段视频并不能直接用来输入OpenCV 所编程序处理，需要将其转化为无压缩的avi 格式。利用软件WinAVI Video Converter ，转换为ZJMedia uncompressed RGB24格式。 【背景建模】 我们小组利用N 帧图像的平均来求取背景，并实时对背景进行更新。由于考虑到ExhibitionHall.avi 视频中运动物体所占场景比例少，运动轨迹为直线，为了处理的简单，所以在这不刻意区分物体和背景像素点。即(1)(1)()()A A A B k B k I k αα+=-+ ，这里的α 很小（0.003） 。 【前景提取】 灰度图像的处理比彩色图像的处理过程简单。我们小组将读入的彩色图像变成灰度图像，并二值化；同样，背景也进行二值化。两者做差值，得到一些离散的黑白点块。也就
是要识别的目标。但是，这样得到的块是分散开的，程序 整的人形被分块识别成多个目标。为此，我们做了一些简 单的后处理。先腐蚀元素，去除不必要的杂点，然后进行 膨胀块处理，自定义块的大小，使其膨胀成能被识别成一 个人形的目标。另外，我们还做个简单的高斯低通滤波， 是得到的结果光滑些。其流程图如右。 【目标检测】 根据前景处理的结果，得到一些连续的块目标。利用帧间差，可以提取出目标的轮廓。根 据轮廓的位置分布，计算出检测目标的形心和大小。并予以标记。 【目标跟踪】 根据目标帧间的位移差值，可以计算出运动目标在x，y方向上的运动速度。可以利用这 个关系判断下一帧目标的位置。设置一个合适的阈值，就可以实现目标的跟踪。在此，我们还 引入了重叠判断机制。如果目标重叠，即通过遍历，发现块重叠大于一定阈值后，根据前面得 到的位置预测判断当前物块位置；如果不重叠，则遍历这幅图像中的所有物块，寻找临近最优 物块，以保持编号连续性。在目标跟踪过程中，还进行了Kalman滤波，对目标轨迹进行滤波 处理。