视觉跟踪

摘要： 针对目标在遮挡、背景杂乱时跟踪定位不准确的问题,提出通道可靠局部秩变换的目标跟踪算法.使用局部秩变换特征结合Lab三通道图像构成16维特征通道,从中选择有效的特征通道进行融合,增强算法对目标特征的表达能力.实验表明,相比于利用可靠性系数选择得到的特征通道,利用经验选择的局部秩变换特征通道在特定场景的跟踪效果更好,对目标的位置估计更加准确.与其他算法进行对比,经验选择方法在特定场景测试上平均速度达到56.7帧/秒,满足实时性要求,在目标测试集上优于对比的两种方法.

摘要： 本文设计了两轮自平衡移动机器人各个功能模块单元,介绍了自平衡原理,对视觉跟踪给出了目标物体在视觉模块中坐标与中心位置差值计算方法并给出了视觉跟踪策略;给出了系统整体程序框架以及图像处理与发送程序框架,对视觉跟踪进行了相应测试实验,测试结果达到预期效果。

摘要： 针对孪生网络对旋转变化目标特征表达能力不足的问题,该文提出了基于非对称卷积的孪生网络跟踪算法。首先利用卷积核的可加性构建非对称卷积核组,可以将其应用于任意卷积核大小的已有网络结构。接着在孪生网络跟踪框架下,对AlexNet的卷积模块进行替换,并在训练和跟踪阶段对网络进行分别设计。最后在网络的末端并联地添加3个非对称卷积核,分别经过相关运算后得到3个响应图,进行加权融合后选取最大值即为目标的位置。实验结果表明,相比于SiamFC,在OTB2015数据集上精度提高了8.7%,成功率提高了4.5%。

摘要： 本文针对红外视频数据标注效率低、标注质量差等问题,提出了一种基于目标增强和视觉跟踪的红外序列图像中运动点目标半自动标注方法。首先对一段连续时间内的红外序列图像进行配准和背景对消以增强目标特征;然后使用视觉跟踪算法对增强后的特征进行高效自动定位;最后通过相位谱重构得到单帧图像的目标显著图,进而确定目标的准确坐标;在自动标注过程中,利用相邻帧标注结果的差异性选择关键帧,可以让标注人员快速定位可能发生错误的图像帧并对其进行手动标注。实验结果表明该算法可以显著降低标注人员的参与度,有效解决数据标注作业中周期长、质量难以保证的问题。

摘要： 阐述消防应急通信的需求,消防应急通信保障中的无人机应用,包括大区域遥感监测、多路音视频通信、扩展通信区域、视觉跟踪和GPS的跟随遥控。

摘要： 目前视觉跟踪技术易忽视人物与场景图之间的联系、以及缺少对联合注意力的分析和检测,导致检测性能不理想.为此提出一种基于时空注意力机制和联合注意力的视觉凝视目标跟踪方法.对于给定任意一幅图像,利用深度神经网络来提取人物的头部特征后,加入场景和头部之间的交互可以帮助增强图像的显著性,并引入一个强化注意力模块来过滤掉深度和视野上的干扰信息.此外,将场景中其余人物的注意力也考虑进所关注的区域,通过注意推送来增强标准显著性模型.加入时空注意力机制后,可以有效地将候选目标、目标注视方向和时间帧数约束结合起来,达到识别共享位置,利用显著性信息能够更好地检测和定位联合注意力.最后将图像中的注意力以热力图的形式可视化.实验表明:该模型能够有效地推断视频中的动态注意力和联合注意力,且效果良好.

摘要： 为解决相关滤波类视觉跟踪算法中的边界效应问题,提出一种基于自适应空间正则化的视觉跟踪算法.在经典滤波模型中引入自适应空间正则化项,通过建立正则权重在相邻帧之间的关联,自适应调整当前帧的模型正则化权重,减小边界效应的影响.采用自适应宽高比的尺度估计策略,以及基于颜色直方图相似度的模型更新策略,抑制模型漂移,提高跟踪准确性.实验显示,该算法在UAV123,OTB2013,OTB2015这3个数据集上的跟踪成功率和精确度均高于所有对比的算法,且即使在复杂场景中也能保持良好的跟踪效果.特别是在出现运动模糊和目标在平面内旋转2种情况时,该算法的跟踪成功率较排名第2的算法分别提升了9.72个百分点和9.03个百分点,说明所提出的算法具有较好的适应性.

摘要： 当跟踪对象被严重遮挡或者离开相机视野范围时,机器人的跟踪目标往往会丢失.为了实现准确跟踪,提出了目标丢失判别跟踪YOLO-RTM算法.该方法通过YOLOv3检测视频第一帧中的目标.利用实时多域卷积神经网络(Real-Time MDNet,RT-MDNet)跟踪算法预测目标边界框的变化.计算重叠度,根据重叠度与预设阈值的比较结果决定模型更新方式,当重叠度高于阈值时,采用RT-MDNet更新外观模型,当重叠度低于阈值时,采用YOLOv3重新搜索目标并更新外观模型.在Turtlebot2机器人上的实验结果表明,提出的算法能满足移动机器人跟踪的可靠性,且有效提高跟踪算法的实用性.

摘要： 为解决相关滤波类视觉跟踪算法中的边界效应问题,提出一种基于自适应空间正则化的视觉跟踪算法在经典滤波模型中引入自适应空间正则化项,通过建立正则权重在相邻帧之间的关联,自适应调整当前帧的模型正则化权重,减小边界效应的影响采用自适应宽高比的尺度估计策略,以及基于颜色直方图相似度的模型更新策略,抑制模型漂移,提高跟踪准确性.实验显示,该算法在UAV 123,OTB2013,OTB2015这3个数据集上的跟踪成功率和精确度均高于所有对比的算法,且即使在复杂场景中也能保持良好的跟踪效果特别是在出现运动模糊和目标在平面内旋转2种情况时,该算法的跟踪成功率较排名第2的算法分别提升了9.72个百分点和9.03个百分点,说明所提出的算法具有较好的适应性.

摘要： 为解决判别式相关滤波(DCF)跟踪算法在跟踪目标旋转或非刚性形变时的模型漂移、尺度粗糙、跟踪失败问题,提出一种基于距离加权重叠度估计与椭圆拟合优化的精确目标跟踪算法(DWOP-EFO).首先,同时采用矩形框之间的重叠度和中心距离作为动态锚框质量评价的依据,能够缩小预测结果与目标区域之间的空间距离,缓解模型漂移问题;其次,为了进一步提高跟踪精度,采用轻量化的目标分割网络将目标从背景中分割出来,再利用椭圆拟合算法对分割轮廓进行优化并输出稳定的旋转矩形框,实现对目标尺度的精确估计;最后,通过尺度置信度优化策略对置信度高的尺度结果实现门控输出.所提算法能缓解模型漂移问题,同时有利于增强跟踪器的鲁棒性和提升跟踪精度.在两个最为流行的评测数据集VOT2018和OTB100上进行了实验,结果表明:在VOT2018数据集上,所提算法的期望平均重叠率(EAO)指标比基于重叠度最大化准确跟踪算法(ATOM)提高2.2个百分点,相较于基于可学习的判别模型跟踪器(DiMP)提高1.9个百分点;同时,所提算法在OTB100评测数据集上的成功率指标比ATOM高出1.3个百分点,特别是在非刚性形变属性上效果显著.所提算法在评测数据集上的平均运行速率均超过25 frame/s实现了实时跟踪.

摘要： 针对运动目标跟踪过程中的表观变化、背景干扰及发生遮挡等问题,提出了一种基于分块聚类的在线视觉跟踪算法.首先,在包含部分背景区域的初始跟踪区域内利用分块聚类构建判别式分块模型;然后,在当前跟踪区域内通过分块学习和穷搜索来确定当前帧的跟踪结果;最后,利用创建的模型更新域对目标模型进行更新.实验结果表明,本文算法对目标表现变化、背景干扰及遮挡情况的处理能力都有所增强,跟踪精度和稳定性较近几年的同类算法具有一定提高.

摘要： 视觉跟踪是计算机视觉中的研究热点,其应用领域广泛.为了适应视觉场景中目标表观的变化,提出了一种基于核主成分分析的视觉跟踪算法.在初始跟踪阶段,采用简单的粒子滤波相关跟踪算法获取场景中目标的先验表观图像数据,根据目标表观图像颜色直方图与梯度方向直方图定义核函数,计算核矩阵,利用核主成分分析计算图像样本在核空间的降维矩阵,最后通过贝叶斯滤波获得目标状态的最佳估计,并进行仿真.实验结果说明了算法在真实的视频监控场景以及遮挡环境下都具有鲁棒性,对目标尺度变化具有自适应性.

摘要： 在线监测铣刀等回转体刀具的磨损状态具有重要意义,现有的检测方法尚不完善,间接测量法能够在加工中实时监测刀具磨损,但检测的灵敏度和通用性有待改善,直接测量法中的光学图像检测具有精度高和通用性好的优点,但需要主轴停转并通过人工辅助,才能获取磨损区图像,这造成生产停顿、大大降低了生产效率.本项目提出把回转体刀具的三维测量、视频运动分析与光学图像法相结合的新思路,研究在刀具旋转状态下对切削刃进行定位和在线逐齿磨损检测的理论与方法.

摘要： 为处理目标跟踪过程中的遮挡和缩放问题,对传统的块匹配跟踪进行改进,提出了一种基于多层块匹配的自适应跟踪算法,改进主要包括:由粗到精的金字塔搜索策略,保证快速计算;多层参考块,通过匹配可用性判断目标受遮挡情况;多尺度参考块,对参考块采用逐步更新策略,以适应目标大小变化.对真实场景图像进行目标跟踪实验,结果表明目标严重遮挡或大范围缩放情况下能够保持稳定跟踪.

摘要： 针对铁路安全运输中铁道线路上扣件系统检测存在的低效率和准确率不高的问题,提出一种基于扣件系统粗定位和视觉跟踪精确定位相结合的方法实现扣件状态的实时自动检测算法.该方法利用轨枕区域对光照反射的平均灰度强度和区域内灰度的投影残差实现扣件区域的粗定位,将定位到的轨枕区域设置为扣件区域的粗定位坐标.然后,采用模拟视网膜采样模式的基于结合像素和图像子块的局部二元模式在扣件区域周围采样提取正、负样本对应的特征,利用朴素贝叶斯分类器在线学习和更新跟踪扣件区域的精确位置.最后,对跟踪到的扣件区域精确位置上提取的特征通过分类来检测扣件系统的状态.在铁路视频数据库上的实验结果表明,该方法能实时跟踪到铁路图像中的扣件区域的精确位置,并能自动检测扣件系统的状态.提出的算法具有较高的检测正确率和实时的跟踪速度达到28帧每秒.因此,对于铁路扣件状态的实时自动检测,提出的算法是一种有效和鲁棒的检测方法.

摘要： 在导弹成像末制导中,对红外图像目标进行跟踪时,由于图像自身成像质量差的属性,致使目标的跟踪较为困难.为提高制导精确性,本文采用一种基于增量式子空间学习的视觉跟踪方法,显著提高了在背景、目标运动方式复杂等情况下的跟踪效果.该方法基于粒子滤波,利用增量式主成分分析方法增量地学习一个有效的低维特征空间来适应目标外部结构的变化,以鲁棒的跟踪红外图像中的目标.实验结果表明,该算法在具有复杂条件的红外图像中能够实现鲁棒的目标跟踪.

摘要： 提出了一种基于SIFT(scale invariant feature transform)特征的表观模型更新的粒子群优化(particle swarm optimization,PSO)跟踪算法。与现有的跟踪方法不同,该算法将当前帧检测到的SIFT特征与最近更新的目标模板相匹配,估计目标的位置,然后把此位置信息融入到PSO的结果中以得到更加精确的位置估计,并把其作为新的目标模板,从而更加鲁棒地应对表观模型的更新问题。实验结果表明,提出的SIFT-PSO算法在目标发生大的运动变化和局部遮挡条件下仍然能够可靠地跟踪目标。

摘要： 视觉目标跟踪指在图像序列中跟踪一个由初始框初始化的未知的物体，这是计算机视觉中的一个基本问题。本文对现有的跟踪算法进行了分析,提出了一种改进的高速核化相关跟踪算法,通过采用线性核函数以及对算法流程的优化,将原来的每次跟踪主循环需要计算十次傅里叶变换(FFT)减少到三次FFT.并通过定量实验分析验证,在跟踪性能基本不变的情况下,将速度提升到原来的4-5倍.为高性能跟踪算法在嵌入式DSP等运算能力有限的平台上实时运行奠定了技术基础.

摘要： 视觉目标跟踪指在图像序列中跟踪一个由初始框初始化的未知的物体，这是计算机视觉中的一个基本问题。本文对现有的跟踪算法进行了分析,提出了一种改进的高速核化相关跟踪算法,通过采用线性核函数以及对算法流程的优化,将原来的每次跟踪主循环需要计算十次傅里叶变换(FFT)减少到三次FFT.并通过定量实验分析验证,在跟踪性能基本不变的情况下,将速度提升到原来的4-5倍.为高性能跟踪算法在嵌入式DSP等运算能力有限的平台上实时运行奠定了技术基础.

摘要： 视觉目标跟踪指在图像序列中跟踪一个由初始框初始化的未知的物体，这是计算机视觉中的一个基本问题。本文对现有的跟踪算法进行了分析,提出了一种改进的高速核化相关跟踪算法,通过采用线性核函数以及对算法流程的优化,将原来的每次跟踪主循环需要计算十次傅里叶变换(FFT)减少到三次FFT.并通过定量实验分析验证,在跟踪性能基本不变的情况下,将速度提升到原来的4-5倍.为高性能跟踪算法在嵌入式DSP等运算能力有限的平台上实时运行奠定了技术基础.

摘要： 本发明涉及一种无人机的视觉跟踪方法，包括如下步骤：S1、先通过无人机的摄像头获取多组被跟踪目标的图像信息，再利用这些图像信息训练得到被跟踪目标的跟踪模型；S2、利用当前的跟踪模型，使无人机的摄像头检测到被跟踪目标，并不断实时获取被跟踪目标的图像信息；S3、根据被跟踪目标的图像信息变化调整无人机的运动；S4，重复步骤S2和S3，以实现无人机对目标的视觉跟踪；其中，步骤S2中，将实时获取的每一帧的图像信息均储存入训练集中，并利用训练集中的图像信息训练新的跟踪模型，当训练集中储存的图像信息的帧数达到预设的阈值时，使用新的跟踪模型代替原有的跟踪模型以作为当前的跟踪模型，并清空训练集中的图像信息。

摘要： 本发明公开了一种双环焊缝激光视觉跟踪系统及跟踪方法，包括旋转控制单元和两套跟踪控制单元；旋转控制单元包括PLC和与PLC相连接的旋转变位机；其中，旋转变位机用于控制筒状工件绕自身轴线旋转；筒状工件的两侧与两个端盖相焊接，形成两个环形焊缝；两套跟踪控制单元，用于环形焊缝的焊接和视觉跟踪；每套跟踪控制单元均包括焊接机器人、工控机和激光视觉传感器。本发明通过异步线程和队列策略，提高图像采集和图像处理速度，从而提高跟踪精度；通过实时判断当前位置和异步队列，消除激光前置距离对跟踪精度的影响。采用卡尔曼滤波算法对目标位置进行滤波，进一步提高跟踪精度。

摘要： 本发明涉及焊接技术领域，揭露了一种基于视觉跟踪的焊接轨迹跟踪方法，包括：捕获激光反射图像帧集；判断是否存在所述激光反射光带发生断裂的激光反射图像帧；若不存在，则重新捕获；若存在，则提取首张激光反射光带存在断裂的激光反射图像帧；并进行滤波处理和二值化处理，得到二值化激光反射图像帧；提取上光带的左下角点坐标及下光带的左上角点坐标；根据上光带的左下角点坐标及下光带的左上角点坐标，计算出当前焊缝中心点坐标，得到所述焊接工件的焊接轨迹。本发明还提出一种基于视觉跟踪的焊接轨迹跟踪装置、电子设备以及计算机可读存储介质。本发明可以解决焊枪偏离焊接位置从而降低焊接质量和焊接效率的问题。

摘要： 本发明公开一种自主移动机器人焊缝视觉跟踪系统，包括自主移动机器人、视觉传感器和视觉跟踪处理装置。本发明还公开一种跟踪方法，在焊缝跟踪过程，通过训练大量的正负样本构建分类器以及利用高斯核函数的映射来提高跟踪精度和可靠性；通过构建样本的循环矩阵以及傅里叶变换和反变换来减少计算量，提高跟踪实时性。本发明的跟踪系统及方法满足自主移动机器人在焊接过程中，尤其受弧光和飞溅强烈干扰时，对实时性、可靠性和高精度的要求。

摘要： 本发明涉及一种无人机的视觉跟踪方法，包括如下步骤：S1、先通过无人机的摄像头获取多组被跟踪目标的图像信息，再利用这些图像信息训练得到被跟踪目标的跟踪模型；S2、利用当前的跟踪模型，使无人机的摄像头检测到被跟踪目标，并不断实时获取被跟踪目标的图像信息；S3、根据被跟踪目标的图像信息变化调整无人机的运动；S4，重复步骤S2和S3，以实现无人机对目标的视觉跟踪；其中，步骤S2中，将实时获取的每一帧的图像信息均储存入训练集中，并利用训练集中的图像信息训练新的跟踪模型，当训练集中储存的图像信息的帧数达到预设的阈值时，使用新的跟踪模型代替原有的跟踪模型以作为当前的跟踪模型，并清空训练集中的图像信息。

摘要： 本发明公开了一种视觉跟踪方法、视觉跟踪装置、无人机以及终端设备。该方法可以包括：获取当前的包含被跟踪对象的指定区域的图像数据及跟踪对象的运行参数的步骤；基于获取的当前的包含被跟踪对象的指定区域的图像数据获得指定区域中可能的被跟踪对象生成被跟踪对象库以对被跟踪对象进行选定的步骤；当判定跟踪对象与选定的被跟踪对象存在相对运行时，基于图像数据中被跟踪对象的图像特征建立被跟踪对象的运动估计模型的步骤；基于运动估计模型预测被跟踪对象下一时刻在指定区域的图像数据中的位置及图像特征以对跟踪对象进行控制的步骤。

摘要： 本发明公开一种运动背景下的视觉跟踪方法及视觉跟踪系统。所述视觉跟踪方法：读取视频第一帧并标注目标及跟踪区域；循环密集采集标注目标及跟踪区域的图像并提取特征；以目标周围上下文区域xi为基训练样本，加入上下帧约束，得学习分类器增量系数a；在下一帧中循环移动检测区域z得候选块，代入分类器得以及目标位置；返回B步骤，然后在C步骤中以目标中心(xi,yi)所在上下文作为基训练样本，得到分类器增量系数a，更新模型，继续下一帧的更新。所述视觉跟踪系统包括目标初始化模块、图像特征提取模块、分类器初始训练模块、快速目标检测模块、分类器训练模块。本发明在跟踪目标快速移动和发生尺度变化时，都能够较准确地跟踪。

摘要： 本发明公开了一种基于计算机视觉跟踪和传感器跟踪的跟踪方法和跟踪系统，所述跟踪方法包括以下步骤：S1、对真实场景进行拍摄；S2、通过计算机视觉跟踪算法计算真实场景中标识图片的位置参数；S3、通过传感器跟踪算法获取设备的旋转参数；S4、由位置参数和旋转参数得出完整的三维姿态参数；S5、根据用户交互更新三维姿态参数。本发明通过计算机视觉跟踪和传感器跟踪相结合的方式，在提升稳定性的同时减少跟踪算法对标识图片和拍摄环境的依赖，从而产生更好的用户体验。

摘要： 本发明提供一种视觉跟踪方法及跟踪装置，方法包括：实时获取包含目标人物的待测视频；构建跟踪网络并用采集的行人视频数据集训练所述跟踪网络，所述跟踪网络基于对比学习结构使用特征池结构更新模板特征；用训练好的跟踪网络确定所述待测视频中的目标人物的目标人物框，得到跟踪结果。通过增加特征池结构，优化模板分支的特征，特征池能够在低时间复杂度动态更新模板，更好地匹配后续帧特征，有效降低累计误差，缓解跟踪框漂移问题；特征池结构能够让跟踪网络模型在长时序列跟踪保持稳定，提高跟踪方法的鲁棒性。

摘要： 本发明涉及焊接技术领域，揭露了一种基于视觉跟踪的焊接轨迹跟踪方法，包括：捕获激光反射图像帧集；判断是否存在所述激光反射光带发生断裂的激光反射图像帧；若不存在，则重新捕获；若存在，则提取首张激光反射光带存在断裂的激光反射图像帧；并进行滤波处理和二值化处理，得到二值化激光反射图像帧；提取上光带的左下角点坐标及下光带的左上角点坐标；根据上光带的左下角点坐标及下光带的左上角点坐标，计算出当前焊缝中心点坐标，得到所述焊接工件的焊接轨迹。本发明还提出一种基于视觉跟踪的焊接轨迹跟踪装置、电子设备以及计算机可读存储介质。本发明可以解决焊枪偏离焊接位置从而降低焊接质量和焊接效率的问题。