机载视频影像运动目标检测与跟踪技术

运动目标检测跟踪是一项新兴热点技术,其处理的主要对象是视频影像数据,核心是实现对视频影像数据中运动物体的检测及跟踪.以机载视频数据为研究对象,对这项技术进行了较为深入的分析.将运动目标检测跟踪技术划分为视频影像预处理、目标检测及运动跟踪3个功能部分,并分别分析与之相关的技术方法,阐明该类问题的解决思路和探索方向.     

基于无人机视频的运动目标快速跟踪

无人机视频序列影像是尢人机在高速运动的条件下获取地面目标的动态信息,相机的运动给目标检测、跟踪带来了一定的困难。针对无人机视频序列影像背景位移的特点,将运动目标检测与跟踪技术分为运动估计、目标检测、目标跟踪3个部分。由于无人机视频序列影像中目标较小、分辨率较低,因此采用基于区域的目标跟踪算法。该方法计算量小,计算速度快...     

光流网络的无人机视频运动目标检测方法

针对传统光流技术的无人机视频运动目标检测方法计算效率低等问题,提出一种基于改进光流网络的无人机视频运动目标检测方法.首先利用卷积神经网络分别提取视频序列影像中目标的运动特征,并利用所提取特征进行光流计算;其次通过堆叠网络结构增加网络深度、引入小位移子网络等方法提高光流计算的精度和效率;最后通过光流阈值分割实现运动目标的检测.采用4组不同飞行模式下的无人机视频数据进行实验,实验结果表明,无论是在悬停模式还是在航行模式下,所提方法均能实现单目标、多目标和遮挡目标的检测,检测效果更好、计算效率更高(计算时间≤35 ms),基本能满足无人机视频运动目标实时处理的需求.     

基于CNN和RNN的像素级视频目标跟踪算法

影像目标跟踪定位技术是当前计算机视觉领域的研究热点,目标跟踪算法也是现阶段将视频结果用于定位的薄弱环节之一.本文分析了像素级目标跟踪存在的问题,根据深度学习在图像领域的最新研究成果与视频跟踪需求,结合最新的图像分割、卷积神经网络(CNN)、循环神经网络(RNN)和加密解码结构等方法提出了一种像素级视频目标跟踪算法.使用公开数据集实现算法并设计了定量评价指标.实验结果表明该算法具有较强的像素级视频目标跟踪定位能力.     

基于数字视频数据的地理信息的提取与空间分析研究

视频数据的地理信息提取最大问题在于动态视频图像精度的精准捕捉以及实时存储处理,针对该问题,提出一种以运动向量为基底的影像式背景模型建立架构,提供外型准确完整的移动物体图像捕捉数据,同时结合动态视频捕捉的图像,采用霍夫变换、直线拟合与线段分割等步骤提取目标物的边界线段,从而获得目标物的地理信息,通过验证视频图像地理信息提取结果,可以发现本文视频动态图像地理信息数据提取技术具有较高的准确性和可靠性。     

视频数据的地理信息提取研究

针对视频数据虽然能高效、逼真、详细地展现地理信息,但是因不具备地理框架而不能直接与GIS结合,参与空间分析的问题,该文通过多次真实环境条件下的尝试性实验,探索出一种从视频中提取地理信息的方案:采用运动目标检测技术自动识别出视频帧中实体的轮廓;通过半自动的处理清除提取数据的干扰轮廓;借助数据变换技术为视频帧及其提取的数据赋予准确的地理框架。基于真实环境的实验结果表明:该方案不仅可以有效地提取视频中的地理信息参与空间分析,还能够实现其空间分析结果的多视角可视化。本研究针对视频与GIS结合问题做出初步探索,为视频GIS的深层次研究提供帮助。     

结合运动平滑约束与灰度特征的卫星视频点目标跟踪

针对卫星视频条件下的点目标跟踪问题,提出了一种运动平滑约束的贝叶斯分类目标跟踪方法(BMoST)。本方法引入朴素贝叶斯分类器的思想,不依赖目标的任何先验概率,在运动平滑性约束下,利用灰度相似性特征来表达描述目标的似然度,并根据独立假设的贝叶斯定理,建立简化的分类器条件概率修正模型,通过该模型估计目标的后验概率,从而实现目标跟踪。同时,采用卡尔曼滤波辅助、优化跟踪处理,提高算法的稳健性。试验数据采用SkySat和吉林一号拍摄的视频各两段,对6个点目标进行跟踪试验。结果表明,本文提出的方法针对卫星视频的点目标跟踪效果良好,精度达到90%左右,且跟踪轨迹平滑,满足卫星视频后续高级处理和应用需要。     

遥感视频卫星运动车辆目标快速检测

随着遥感卫星成像技术的快速发展,遥感视频卫星的出现为运动车辆目标信息获取提供了新手段。然而在遥感卫星视频中,运动车辆目标仅为几个或十几个像素并与背景的对比性较低,难以获取车辆的局部细节特征,使得传统监控视频的运动车辆检测方法直接应用到卫星视频图像会存在很多的问题。在分析遥感卫星视频运动车辆目标检测与传统监控视频运动车辆目标检测差异的基础上,本文提出了一种感兴趣区域自动约束的遥感卫星视频运动车辆快速检测方法：首先是快速自动获取运动车辆目标的感兴趣区域;其次在感兴趣区域约束下,基于改进的高斯背景差分方法实现感兴趣区域内运动车辆快速检测。应用Skybox-1卫星视频数据进行了运动车辆目标检测实验并进行了定性与定量分析。实验结果表明,本文方法可以有效自动减少动态背景变化导致的伪运动目标,具有较高的检测率、较高的检测质量、极低的虚警率以及较高的运行效率,可自动高效实现卫星视频图像中运动车辆目标的高精度检测。     

基于特征的无人机载视频运动目标快速检测方法

针对无人机载视频序列影像动态背景以及常用检测方法处理效率不高等问题,提出了一种基于特征的无人机载视频运动目标快速检测方法.该方法主要包括预处理、ORB特征提取(oriented fast and rotated BRIEF,ORB)、渐进一致采样(progressive sample consensus,PROSAC)...     

基于视频的行人检测跟踪与统计算法研究

视频图像中运动目标的检测及跟踪一直是视觉分析的研究热点之一。本文针对教学楼内摄像头固定、背景基本不变的情况,提出了一种行人检测跟踪及统计算法。首先根据背景差分法初步提取行人目标,然后将行人目标二值化,最终通过阴影去除、膨胀、腐蚀等一系列图像预处理操作去除光线变化及噪声的影响,得到较完整的行人目标,并改进了基于质心跟踪的行人目标跟踪方法,采用基于矩形中心的方法实现了行人跟踪与统计,使之更适应教学楼行人检测。实验结果表明,该算法可以实现对行人目标的较完整提取、对目标运动方向的较准确判断和对行人的较精确统计,为教学楼行人疏导提供技术保障。     

计算机视频图像远距离传输系统设计与实现

高清晰度的计算机视频图像远距离传输是图像传输、显示技术的重要课题。本文通过对电视视频图像和计算机视频图像的比较，通过对计算机视频图像的特性分析，针对性地提出了利用图像压缩技术实现远程传输的思路，设计了利用微波通信实现远距离计算机视频图像客户端高清晰度实时显示的试验系统。     

视频对象分割及跟踪方法研究

讨论和分析了视频对象全自动提取及后续帧中的跟踪过程及采用的方法 ,对其算法、分割性能和结果进行了比较和评述。并结合Hausdorff和Snake跟踪器 ,对初始对象轮廓进行跟踪。结果证明 ,这种跟踪方法能有效地解决对象被遮挡和形变以及背景移动的问题     

多视角监控视频中动态目标的时空信息提取方法

监控视频中动态目标的精准定位与跟踪作为计算机视觉领域中重要的研究方向,近年来已成为监控领域的研究热点。传统视频动态目标检测仅依赖图像特征数据,忽略了与地理坐标系精准匹配,特别是对于多个摄像机覆盖的区域,拍摄的角度不同,投影后形成的图像空间分辨率也不同,因此,难以满足智能监控在复杂的地理场景中全方位时空信息感知。本文提出一种多摄像头协同的视频监控图像与地理空间数据互映射模型构建方法来获取动态目标的轮廓和地理位置等时空信息,首先建立监控图像信息与地理空间数据的互映射关系,将观测角度不同、尺度不同和空间分辨率的监控图像置于同一坐标系下,并在此基础上通过融合Canny算子与背景减法来检测目标的边缘信息;然后采用质心偏移算法还原目标在该场景的实际位置,从而实现多角度下连续跟踪,提升地理场景的时空理解力和分析力,提高动态目标的精准定位与跟踪能力。     

运动视频序列影像的自动配准

影像配准是运动视频处理应用中的关键技术,从计算机视觉角度出发提出了一种针对运动视频处理的自动影像配准方法。其主要思路可以归结为基于特征匹配的配准过程,具体分为3个方面:利用Harris算子检测角点特征;以互相关函数为测度对角点特征进行初步匹配,特别使用RANSAC拟合基础矩阵F的方法剔除匹配中的错误对应;利用得到的结果重新拟合配准模型进行重采样变换。最后进一步分析了此方法应用于具体运动视频处理时需要考虑的一些问题。     

基于Skyline视频监控系统研究

视频监控系统能够实时获取监控范围的影像,发现被监控目标的即时状态。2维GIS与视频监控的集成逐步走向成熟,但在可视化效果方面远不如3维GIS。因此,结合Skyline软件中的Video On Terrain技术提出了一种3维地面影像视频监控新方案,并设计了地面影像视频监控系统的软硬件框架,分析了音视频编码传输原理和视频控制机制,总结归纳了地面影像视频监控系统的关键技术要求,最后实现了3维地面影像视频监控原型系统。     

顾及像面畸变的卫星视频稳像

卫星视频每帧影像外方位元素数值存在差别,相邻帧影像间的同名点在像面位置不同,且由于每帧影像均存在几何畸变,经典的帧间的投影变换模型、仿射变换模型等视频稳像的配准模型不能精确描述帧间的同名点关系。针对该问题,本文提出顾及像面畸变的卫星视频稳像算法,基于仿真的卫星视频,验证了该算法的可行性和精度。     

一种无人机视频影像快速配准方法

针对应急测绘中对无人机视频数据快速获取及处理的需求,提出了一种无人机视频影像快速配准方法。首先采用时间索引和线性/球面插值方法实现视频帧与无人机定位定姿信息的时间同步,根据数字微分纠正算法实现视频帧的地理编码,实现视频帧间的粗略配准,然后控制仿射变换模型中的缩放因子不变对纠正后视频帧的坐标进行调整,完成视频帧间的精配准:试验结果表明该方法能够得到航带内视频帧较好的配准效果。     

改进Yolo-v3的视频图像火焰实时检测算法

为解决现有视频图像火焰检测方法精度低、速度慢的问题,提出了改进Yolo-v3的视频火焰实时检测算法。首先,在特征提取阶段,通过进一步融合多尺度特征提高网络对图像浅层信息的学习能力,以实现小火焰区域的精准识别;其次,在目标检测阶段,利用改进的K-means聚类算法优化多尺度先验框以适应火焰不同尺寸;最后,在改进Yolo-v3的视频火焰检测之后,利用火焰特有的闪烁特征对检测结果中的误检帧进行排除,进一步提高检测精度。从精度和速度两个方面对视频火焰进行检测,并与近年来先进的火焰检测算法对比,结果表明,该方法准确率均值可达到98.5%,误检率低至2.3%,平均检测速率为52帧/s,在精度和速度方面皆有更好的表现。     

融合毫米波雷达与单目视觉的前车检测与跟踪

对现有融合雷达与视觉的车辆检测方法进行改进,增加目标跟踪过程,进一步提升城市复杂环境下智能车前方车辆信息感知的准确性。首先,针对雷达数据处理,提出一种基于层次聚类的雷达杂波剔除方法;其次,针对视觉数据处理,提出一种基于目标景深的自适应车辆检测方法;最后,提出一种基于核相关滤波器（kernelized correlation filter,KCF）-扩展卡尔曼滤波（extended Kalman filter,EKF）组合滤波的目标跟踪方法,对车辆几何与运动信息进行了有效估计。通过在不同交通环境与天气状况下进行实车实验,结果证明,该方法具有更好的可靠性与鲁棒性。