高清视频车辆检测及跟踪系统的设计与实现

针对目前视频车辆检测与跟踪系统存在检测精度低、跟踪稳定性差等问题,设计基于数字信号处理器(DSP)和现场可编程门阵列(FPGA)结构的高清视频车辆检测和跟踪系统。该系统采用高清摄像机为图像采集单元,利用现场可编程门阵列对采集到的IP视频图像进行实时图像解码和图像预处理,高性能DSP做为系统主控单元实现前景提取、车辆检测、识别和跟踪等功能,DSP与FPGA之间的数据交换通过两路高速串行接口连接,以满足运算处理时大批量中间数据的交互;采用基于背景图像差分检测方法进行运动目标的实时检测,通过计算目标物体的紧密度对运动目标进行分类,利用区域特征跟踪法来快速跟踪图像序列中的车辆目标。试验结果表明:与普通视频相比,高清视频条件下对视频图像进行处理,在定位及寻找物体边缘方面具有优势,提高检测精度10%以上,能够实现对运动车辆的实时、准确、快速跟踪。     

Horn-Schunck光流算法在运动目标检测及跟踪中的运用研究

光流技术是提取图像序列全局的或特征点的运动信息并对运动信息加工处理以完成目标的跟踪和检测的方法。具体分析了Horn-Schunck光流算法（简称HS光流算法）,并将该算法应用到视频图像序列中。研究表明,利用HS光流法计算能近似得到图像中每个像素点的运动矢量,通过找到其中光流值不为零的像素点组成的最大连通区域,可以实现运动目标的检测和跟踪。     

虚拟果园视频跟踪系统的设计与实现

为提高果园设施的安全性,避免浪费不必要的人力和财力,设计开发了一套可对果园进行实时监控的视频跟踪系统。该系统通过将金字塔Lucas Kannade算法与背景差分法融合,实现了对运动目标位置、速度和大小的提取。然后利用电子邮件将运动目标的信息发送给客户端,并将运动目标的图像实时同步至云空间,是一套具有较高实时性与鲁棒性的虚拟果园视频跟踪系统。     

基于特征和主动轮廓算法的运动果蝇识别与跟踪研究

多目标跟踪是视频监控等领域的一项关键技术。阐述目标跟踪算法的研究现状,运用灰度阈值分割,基于特征和主动轮廓跟踪方法实现对多只运动果蝇进行目标识别与跟踪。运用C#以及emgu开发应用程序予以系统实现。经验证,该系统识别率高,具有稳健的跟踪效果。     

基于区域气球力Snake模型的运动目标快速跟踪方法

提出了一种包含区域信息的Snake模型用于运动目标检测与跟踪。在通常情况下,基于区域信息的跟踪方法对背景光线的微小变化、位置的微小移动较为敏感,而基于边缘信息的跟踪方法则难以对边缘模糊的图像取得满意的跟踪效果。在算法中同时引入这两种信息,边缘信息使得算法快速而鲁棒性好,区域信息可以对边缘模糊的图像取得正确的跟踪效果。使用双差分图像设计了自动初始化的方法来实现视频的自动跟踪。同时,对目标的下一步运动位置增加了一个预测环节来加快主动轮廓模型的收敛速度。该算法的每帧计算时间一般小于0.1S,能应用于实时系统。     

基于改进Camshift的竹材加工目标检测跟踪算法研究

将计算机视觉技术应用到数控剖竹机运动加工目标的检测和跟踪中,提出一种基于改进Camshift算法的适合竹材加工运动目标检测和跟踪算法.针对竹材检测、跟踪过程中的干扰因素,通过图像的色度值来代替背景图像的亮度值,来减少阴影干扰,采用背景差分法与帧间差分法相结合的目标检测方法,改进Camshift算法,利用HSV图的H分量均值和每一帧H分量均值的差值结果来进行H分量均值更新,以克服光照影响,并利用Kalman滤波实现对下一帧竹材所在位置进行预测,预测结果用于修正Camshift算法的跟踪结果.结果表明,改进的算法能够对运动竹材目标进行实时跟踪,算法高效、准确.     

基于卡尔曼滤波器的运动目标检测与跟踪

针对摄像机静止的情况,提出了一种可运用于实时监控中的运动目标检测与跟踪的方法．采用更新函数实现背景实时更新,通过差分算法检测运动目标．在跟踪模块中,提出建立帧间目标“关系矩阵”实现多个运动目标匹配,并采用卡尔曼滤波器预测目标参数,在运动目标相互遮挡的情况下,根据预测参数跟踪目标,获得目标轨迹．通过多个图像序列测试,算法具有良好的实时性和适应环境变化的能力．     

基于图像的人体参数测量系统的设计与实现

给出一种基于图像的人体参数自动测量方法,并设计与实现人体参数测量系统.通过2个数码相机拍摄人体的正视图和侧视图,运用图像分割和特征提取等图像处理方法提取2幅图像上的人体特征点;利用三维标定架标定相机的内外参数;利用双目视觉原理从2幅图像上的特征点计算出人体的测量点,完成人体尺寸参数计算.试验结果表明：与传统手工测量相比,本方法能实现自动测量,缩短了测量时间,提高测量的精度和效率;与三维非接触测量相比,本方法测量设备简单和便携,测量速度更快,操作更加方便.     

基于分区灰度投影稳像的运动目标检测算法

针对视频监控系统中，复杂环境引起摄像机抖动，造成运动目标检测不准确的问题，提出了一种基于分区灰度投影稳像的运动目标检测算法.首先对每帧图像进行分区，利用分区灰度投影算法对图像各分区的运动矢量进行准确提取和相关性分析，进行抖动判断，并对抖动帧进行运动补偿.然后利用高斯混合背景建模算法进行运动目标提取.最后对目标提取结果进行形态学处理，以进一步提高目标提取的精度.实验结果表明，本文算法较好地消除了场景中运动目标对运动矢量计算的干扰，实现了在摄像机抖动视频场景中的运动目标的准确检测和提取，大大降低了抖动视频目标检测的虚警率.     

基于Simulink的大米动态图像检测系统仿真

[目的]建立大米动态图像的仿真检测系统。[方法]以粳米为研究对象,利用Simulink设计大米动态图像仿真处理平台,用Mplay进行系统调试,利用背景差分法分割大米图像,对图像进行检测与跟踪。[结果]实现了大米动态图像的检测及目标跟踪,且对图像的分割、标注效果较好,提取的大米外观形状的特征值与其静态图像特征值的平均相对误差仅为2.26%。[结论]建立了大米动态图像的仿真检测系统,该系统检测精确度高,算法验证及修改简单、方便,编写代码所需时间较短。     

基于SUKF与SIFT特征的红外目标跟踪算法研究

针对复杂红外背景下单一跟踪算法难以准确定位运动目标的问题,提出了基于尺度无迹卡尔曼滤波(SUKF,scale unscented Kalman filter)与尺度不变特征变换(SIFT,scale invariant featuretransform)相结合的红外运动目标跟踪方法。首先,通过SUKF算法对状态空间进行滤波估计,确定运动目标的初步位置,并以此建立局部SIFT特征检测域。其次,SIFT算法在该局部检测域内对运动目标进行特征提取与匹配,最终实现对目标的准确定位;同时,利用定位结果更新并校正SUKF的状态模型。实验结果表明,本文提出的基于SUKF-SIFT的跟踪策略与相关算法相比,体现出较好的跟踪效果与实时性能。     

基于C++的图像检测系统的设计

本文是基于C++编写图像处理程序,完成图像检测系统的设计,系统功能包括:打开*.bmp文件,图像的灰度处理、二直化、阈值变换、平滑滤波、边缘检测,智能识别等。系统开发和程序运行平台为Win7,采用C++Builder软件。检测系统通过调试运行,初步实现了设计目标。     

基于像素类型的阶跃型边缘提取算法

介绍一种用于提取目标图像和背景图像都比较简单的图像中的阶跃型边缘算法。把二值化图像中的像素点分为4类:背景点、目标体点、边缘点、噪声点;算法实现过程如下:首先对图像进行二值化处理,然后对二值图像中的目标体的边缘像素点进行跟踪,找出目标体的边缘曲线。试验表明:该算法实现简单、处理快速、抗噪性好。     

油菜直播机组自动对厢作业控制器设计与试验

针对基于视觉的油菜直播机组自动对厢作业控制,本研究提出了结合模糊控制和带死区的PD控制的组合控制器,其中模糊控制器作为对厢作业路径跟踪控制器,带死区的PD控制器作为直播机组转向控制器。根据直播机组运动模型和相机成像模型,分析了图像路径参数跟随直播机组运动的变化规律,并设计模糊控制器的控制规则。同时,在图像中将直播机组与目标厢沟相对位置没有偏差时的图像路径标定出来作为图像目标路径,据此以图像实时检测路径与图像目标路径的角度偏差和截距偏差设计为模糊控制器输入,前轮目标转角为模糊控制器输出。对直播机组前轮转向控制则设计了带死区的PD控制器,通过两者的有机结合实现了直播机组的自动对厢作业。田间试验结果表明:油菜直播机以0.5或0.8m/s的速度行驶时,直线导航跟踪的横向偏差小于6cm,以1.0m/s的速度行驶时,横向偏差小于10cm。     

运动目标检测与识别研究

运动目标检测与识别研究是计算机视觉中最重要的研究领域之一。在目标检测中存在场景动态变化、光照变化等同题,在目标跟踪中则存在目标的遮挡、重叠及目标关联等问题。提出一种有效的运动目标检测方法,较好地解决以上问题。首先利用背景差分方法建立背景模型,再对背景模型进行实时更新,以适应视频本身和光线的变化,最后使用形态学方法消除噪声和运动阴影带来的影响。并对检测到的目标应用区域跟踪技术,引入2个参数,实现跟踪匹配,很好地处理了目标之间的相互遮挡问题。实验结果表明,该方法快速有效,能够满足实时的需要。     

基于视频的手写数字识别

随着计算机技术的不断发展,视频跟踪技术越来越成为计算机领域中研究的热点。视频跟踪技术的研究涉及范围很多,包括视频图像处理、模式识别以及人工智能等,具有较强的研究价值。手势检测识别技术作为一种基于计算机视觉的新型人机交互方式,是其中备受瞩目的研究和应用技术之一。文章采用一种简单高效的颜色直方图对目标（红色手指）进行主色定位,并在图像序列中进行目标区域提取,得到运动轨迹,进行手写数字识别。最后利用八段视频验证了该方法的简单高效,并能成功进行实时跟踪与识别。     

基于计算机视觉的图像采集对水果分级准确率的影响

介绍了基于计算机视觉技术的水果分级装置和摄像系统现状与仿球形水果图像采集过程;指出了目前分级过程中水果表面信息漏采的现象;根据视场内水果、相机镜头及水果图像三者的关系和水果的直线运动与翻滚运动特性,分析了影响分级机分级准确率的水果图像拖尾和水果翻滚误差及其原因,并给出了图像拖尾和翻滚累计误差的计算公式;提出了解决因水果图像拖尾影响分级准确率的方案和水果翻滚运动跟踪的变周期图像采集系统.     

基于视频的植物动画合成方法

植物动画合成是当今的一项研究热点,运动信息的提取与重构是在计算机上实现高效、逼真植物动画合成的基础和关键。以玉米为研究对象,采集真实的植物运动视频,将视频转换为图像序列并选取若干关键帧。研究数字图像处理算法,提取图像前景目标,并对目标细化和毛刺去除得到清晰、完整的二值植物骨架图像。基于植物骨架图像提出了植物动画特征点数据提取方法,并将特征点数据映射到三维植物模型,实现了数据驱动的植物动画。     

基于人脸检测的视频压缩

本文在研究监控系统的视频图像压缩基础上,提出了给予人脸对象分割的视频压缩。首先利用运动信息分割出入体轮廓,并综合运用人体的特征与形态数学的方法成功地分离出入脸大致区域;然后采用基于改进统计彩色信息模型方法,精确分割出入脸区域,去掉了不相关的冗余信息;最后提出了利用图像小波变换结合差分链码技术描述了人脸对象,并实现了高效的视频压缩。本文提出的视频压缩算法在同等压缩效率下,与MPEG-2算法相比提高了图像PSNR近3dB,而且经过本算法处理的视频序列,可以方便地用于人脸检测,为基于内容的检测打下良好的基础。     

小麦条锈病孢子图像实时传输及处理系统设计

【目的】设计一种基于无线网络的孢子图像实时传输及处理系统,以较好地实现小麦条锈病孢子的实时传输及监测。【方法】首先基于网络云技术,在Linux环境下设计了传输系统的云端服务器界面,实现了微型机自动摄像,通过使用TCP协议包装HTTP协议与云端服务器的连接,实现图像的上传功能;其次,使用英特尔NUC5CPYH为采集传输终端,搭建图像传输系统硬件平台;最后采用K-means聚类算法,在接收端对远程传输得到的孢子图像进行背景与孢子的分割、孢子图像的形态学处理及基于Harris的角点检测等处理,并最终实现孢子的计数。【结果】该无线传输系统的发送成功率为96.6%,该处理系统的平均计数准确率为97.1%,效果良好。【结论】该传输及处理系统可用于小麦条锈病越夏孢子的实时在线监测。