运动目标

摘要： 针对远距离运动目标的光子测距问题,建立了运动目标的光子探测回波概率分布模型,给出了适用于任意目标的光子探测蒙特卡洛模型.通过实验对比,验证了蒙特卡洛仿真模型的正确性.进一步分析了一个探测周期内的平动小矩形目标激光回波和光子回波概率分布变化规律,讨论了光子测距误差与目标平动速度间的关系.结果表明:光斑直径为2.5 m、目标尺度为1 m时,距离漂移在速度为25 m/s取到极大值6.72 cm,是扩展目标距离漂移的1/2倍;随着平动速度的增加,以出光斑为界,距离漂移先增大后保持稳定不变.本文提出的方法可进一步扩展到其他形状、材质、姿态、运动目标的光子探测,研究结果为运动目标的光子测距的校正和性能的提升提供了理论依据.

摘要： 针对传统运动目标检测过程中存在的噪点和光照亮度不均等干扰问题,提出一种运动目标检测算法。本文结合图像处理技术对视频帧进行一系列的图像预处理,根据运动目标所在区域像素点的变化,使用背景消去算法将运动目标提取出来,从而进一步区分前景与背景。由于像素点时刻受到光照亮度等影响,采用改进后的最大类间方差(OTSU)算法进行视频帧的二值化处理。实验结果表明,该运动目标检测算法能够很好地解决视频帧的噪点以及光照亮度不均等因素所造成的干扰问题,运行效果较好,具有较强的实用性。

摘要： 对发射的线性调频信号做解调和匹配滤波处理得到原始回波信号,应用极坐标格式算法(Polar Format Algorithm,PFA)推算静止目标和运动目标处理后回波信号的数学关系式,推演动目标经过PFA处理后的理论成像结果图特征。首先对回波数据进行参考距离补偿,利用尺度变换原理,得到距离向插值处理后运动目标关于静止目标的距离徙动(Range Cell Migration,RCM)函数,推算理论上的成像结果;再通过方位向高精度的Sinc插值方法处理,完成整个PFA处理的推导。重点研究动目标和静止目标PFA处理后信号回波在方位和距离向的函数特性,以此推测出运动目标经过PFA处理后理论上的成像结果图特性,再通过MATLAB仿真来验证理论推导的正确性。

摘要： 鹰眼系统在赛场上可对球类运动轨迹进行跟踪和记录并在辅助裁判对边界球的判罚中起着重要作用,然而由于网球提取过程存在目标小、飞行速度快、光照变化、广告字符以及其他的运动物体影响的问题,网球特征参数提取精准度有待进一步提升。针对这些问题,提出了一种鹰眼系统运动目标特征参数精确提取算法,该算法利用网球色彩一致性较好的特点,根据彩色训练获取网球色调的范围,在HSV色彩空间中对网球图像进行颜色分割,减少背景图像的干扰,采用帧间差分与混合高斯模型融合算法对网球图像进一步分割获取运动目标,对分割后的二值图像使用Sobel算子提取边缘信息减少后续目标圆检测的运算量提高效率,采用Hough圆变换检测轮廓边缘信息完成网球圆心和半径参数的精确提取。实验结果表明,该特征参数提取算法拟合准确率高、相对偏差小,具有一定的实际应用价值。

摘要： 为解决动态背景下运动目标检测所得目标较为微弱且目标区域离散的问题,文中提出一种动态背景下的运动目标检测算法。首先利用SURF(Speeded Up Robust Features)算法提取图像中的特征点,通过双向匹配法去除误匹配的SURF特征点对,并将特征点分为前景点和背景点两部分;再利用背景点计算仿射变换矩阵,以提高仿射变换矩阵的准确性,完成背景运动的补偿,消除背景运动对目标检测的影响。然后对补偿后的图像采用帧差法和形态学操作,完成对目标的初步提取。最后利用颜色、位移和位置信息对目标进行归并处理,完成运动目标的检测。实验结果表明,文中算法能够准确检测出运动目标,并且所得目标较为明显且目标区域连续。说明文中算法准确率高且具有较强的鲁棒性。

摘要： 为了提高城市复杂交通场景下车载激光雷达对运动车辆进行状态估计可靠性,提出基于点云场景流特征信息提取技术的运动目标位置估计方法。通过对比不同关键点检测器与特征描述子的组合特性,确定出ISS-SHOT(Intrinsic Shape Signature-Signature of Histogram of Orientation)的组合方式最为高效,并选用UKF(Unscented Kalman Filter)算法对所处理的场景流中的动态目标的位置进行预测和更新,从而估计出智能车辆周围的目标状态。实验结果表明:该方法能实时估计不同轨迹工况下的运动目标状态参数,表现出较好的鲁棒性。

摘要： 为了实现无人机(UAV)航拍图像中多运动目标的实时检测与识别,将静止目标和运动目标分别定义为背景和前景,利用图像稳化技术将航拍图像序列中的每帧与相邻帧对齐,克服UAV飞行动作对摄像机转动拍摄图像的影响;选取图像中的行人和车辆作为前景,分别使用哈尔(Haar-like)特征和级联分类器对图像中的目标进行检测和识别;利用密集光流计算两幅连续图像的运动矢量,从而区分静止目标(背景)和运动目标(前景),最终图像结果仅保留运动目标所在区域;将文章方法用于DroneVehicl航拍数据集实验,每秒平均帧数达到47.08 fps,检测精度为94%,并且表现出较高的召回率和F统计量,可达到实时检测与识别效果。

摘要： 针对传统机器人运动目标跟踪方法中存在的轨迹跟踪效果较差、跟踪效率低等问题,提出激光扫描的机器人运动目标跟踪方法。分析激光扫描中噪声干扰的主要来源,并设计相应滤波方法降低噪声干扰;利用机器人三种坐标结构构建坐标系,并构建机器人运动模型,确定运动参数约束条件;为降低系统运算负担,剔除不确定因素数据,建立检测视窗;评估障碍物的运动状态,检测运动目标物体,利用运动补偿方式提高检测精准度;在卡尔曼滤波基础上,加入高斯干扰白噪声,获取运动目标的跟踪状态矩阵。仿真结果表明:所提方法对机器人运行轨迹追踪的效果较好,且跟踪效率较高,可较好地适应复杂多变的环境。

摘要： 运动目标的检测与识别一直是计算机视觉的热点研究方向。随着计算机技术的大力发展,机器能够与运动目标检测很好地结合,有望代替人们去完成那些枯燥乏味或者是危及生命安全的工作。在芯片制造流水线中,依靠人工识别并记录芯片国际移动设备识别码(international mobile equipment identity,IMEI),效率低下且易出错。为实现芯片IMEI码的自动识别,该文使用OpenCV对视频进行预处理,通过灰度化提取芯片上的全部轮廓,通过膨胀、腐蚀操作处理轮廓,再通过面积和周长两个参量筛选得到芯片的IMEI码区域,进一步通过将该区域与原视频结合得到含有芯片IMEI码的视频,最后使用Tesseract-OCR识别芯片IMEI码。同时做了基于神经网络CRNN进行识别的对比实验,首先通过生成器函数构造了一个由字母、数字和冒号组成的数据集用于模拟芯片IMEI码输入CRNN网络进行预训练,在此基础上用15张IMEI码的图片进行迁移学习,最后基于学习到的新模型对视频中的三块芯片进行识别。通过对比发现,在小样本数据集的情况下,该方法识别芯片IMEI的准确率远远超过CRNN识别芯片IMEI码的准确率。

摘要： 为防止噪声、光照、背景不断变化等动态环境下识别到的运动目标空洞、轮廓不完整以及目标跟踪丢失现象产生,提出了基于机器学习的动态环境运动目标自动识别方法。对运动视频图像进行中值滤波去噪,并采用改进差分法进行运动目标检测;采用CamShift算法通过查询颜色概率分布图获取将输入像素点作为目标像素点的概率,并采用MeanShift迭代运算实现运动目标自动跟踪识别;实验结果表明,对于动态环境下运动目标,所提出的方法能够实现运动目标识别率高,误识别率低,能够提高运动目标自动识别的准确性和可靠性。

摘要： 视频合成孔径雷达具有成像帧率高、分辨率高、实时跟踪能力强等优点,能够对特定区域进行连续监视.但目前技术下视频SAR图像的成像质量并不高,机载视频SAR图像通常是单通道灰度图像,且存在大量的相干斑噪声.同时,机载拍摄的地面运动目标属于微小目标,目标的运动也会造成能量散焦.通过分析视频SAR图像的特点,发现检测目标的阴影比传统基于运动目标多普勒变化的检测方法更适合于视频SAR系统运动目标检测.提出了一种基于阴影的视频SAR运动目标检测的完整流程,并通过实验验证了该方案对视频SAR运动目标检测的可行性.

摘要： 针对方位多波束TOPS模式下运动目标径向速度导致成对虚假目标的问题,提出了一种星载SAR方位多波束TOPS模式下运动目标成像方法.该方法首先通过方位去斜预处理解决TOPS模式方位波束扫描导致多普勒频谱混叠问题,然后利用改进的方位多通道重建滤波器组对运动目标的非均匀采样信号进行重建,通过引入频谱能量分布因子来估计运动目标径向速度.能够很好实现运动目标聚焦成像,该方法有效地抑制了方位多波束TOPS模式运动目标的虚假目标.最后,通过计算机仿真验证了该方法的有效性.

摘要： 针对被动声呐对运动目标威胁分析的实际需求,基于波导不变性提出将目标接近时间作为威胁分析的特征量.同时为提高特征提取的质量,通过对跟踪目标的LOFAR图进行多频带划分,分别进行Radon变换并提取条纹斜率,最后采用中值滤波方法获取高质量特征.实际数据处理研究结果表明:当波束输出信噪比达到3dB以上时,所提方法能够有效提取目标的接近时间,为被动声呐的目标威胁分析提供重要参考.

摘要： 本文提出一种基于粒子滤波的运动目标DOA快速跟踪算法，该算法在阵列信号观测模型和目标运动状态模型基础上，将PM算法中的谱函数作为粒子滤波似然函数，对运动目标进行有效、实时跟踪，仿真实验验证了所提算法的有效性。

摘要： 在基于图像差分算法的运动目标检测中,固定好的摄像头在受到重型车辆驶过、强风等因素影响下,所拍摄到的图像仍会出现抖动,而图像抖动对提取图像中的运动目标干扰非常大.本文设计了一种基于预先划定一个或多个目标匹配区域的颜色直方图匹配算法,通过分析和比较抖动前后两幅图像目标区域和候选区域颜色直方图的相似度,找到最优匹配块并得到对应块运动位移,从而求出两幅图像的绝对运动位移,最后消除干扰位移.实验结果表明,该算法鲁棒性好,能够准确消除抖动位移给运动目标检测带来的干扰.

摘要： 本文对单通道星载视频SAR图像序列运动目标检测处理开展研究,提出一种针对视频SAR的动目标恒虚警检测方法.该方法主要步骤包括预处理、变化检测因子计算、单帧检测门限确定、单帧检测融合及运动轨迹检测,在保证虚警概率恒定情况下,合理的考虑了SAR图像的统计特性、SAR图像中目标运动特性等.本文仿真分析了该算法的性能,利用TerraSAR-X录取的荷兰Rhenus深海港区域聚束模式数据生成视频SAR图像,实测数据处理结果验证了方法的有效性.

摘要： 区别于传统宽带合成孔径雷达(Synthetic Aperture Radar,SAR)成像,利用窄带连续波(Continuous Wave,CW)自身具有的高多普勒分辨率对运动目标进行成像.传统的合成孔径雷达成像多用于静止目标,目标的运动会带来重建位置的模糊和移位.由于目标速度估计值的准确性,图像重建误差不可避免.利用滤波反投影(Filter Backprojection,FBP)方法进行成像,通过微局部分析理论获得目标速度误差和图像重建误差之间明确的定量关系,并进行实验仿真对上述理论结果进行验证.结果可应用于动目标的成像聚焦和运动参数估计研究.

摘要： 针对卡尔曼滤波不能解决非线性问题,采用最优化估计方法,通过先验估计协方差矩阵和后验预测协方差矩阵构造加权矩阵,同时简化卡尔曼状态方程,研究设计了扩展卡尔曼滤波的雷达运动目标轨迹估计算法,最后通过设置不同的距离和角度误差进行了模拟仿真,结果表明该算法能有效进行目标轨迹跟踪,并可以确定其滤波精度.

摘要： 姿态扰动是影响目标动态散射特性的一个主要因素.文章首先基于准静态法获得了飞机目标在预定航迹下的动态RCS初步仿真数据,然后结合实测数据,对起伏量进行统计分析,利用起伏量分布特性反演得到随机数序列,并用其对初步仿真数据进行修正.结果表明修正结果在分布特性、频谱特性和时间相关特性三个方面均能与实测数据相吻合.研究成果为动态RCS的精确仿真提供了一种新思路.

摘要： 不同于噪声背景下的目标检测,增加雷达发射功率对海杂波背景下的目标检测性能并不能带来重大的改善,因此海杂波的精细化建模和海杂波特性的充分利用成为改善目标检测性能的最重要途径.复合高斯模型是目前广泛使用的海杂波模型,为海杂波特性的精细描述提供了有力工具,而相应的最优检测理论和方法为目标检测性能改善提供了技术支持.本文综述复合高斯海杂波模型下最优及近最优相干检测理论和方法.首先,对K分布、广义Pareto分布及逆高斯纹理3种复合高斯模型进行了概述,并介绍了3种模型下已有的最优及近最优检测方法;然后,对目前复合高斯杂波加噪声混合模型下相干检测方法的进展和应用瓶颈进行了分析;最后,针对未来该方面研究的进一步完善,探讨了几种计算可实现近最优检测方法的研究思路.

摘要： 本申请公开了一种运动目标识别训练方法、运动目标识别方法及装置，该运动目标识别训练方法包括：获得不同时间点拍摄的多张图像；获得每张所述图像中目标的第一类静态特征和第二类静态特征；将每张所述图像中所述第一类静态特征和所述第二类静态特征进行融合得到融合特征；将至少部分所述图像的所述融合特征进行分类训练直至整个网络收敛。通过上述方式，能够有效提高目标特征的丰富性，训练得到表征能力更强、鲁棒性更好的运动目标识别模型。

摘要： 本发明提供了多运动目标捕捉与跟踪设备及多运动目标捕捉与跟踪方法，其中设备包括：全景图像采集器，与全景图像采集器电连接的控制器，与控制器分别电连接的多个分镜摄像系统；全景图像采集器向控制器传输采集到的全景环境图像；控制器根据全景环境图像确定多个待跟踪运动目标和各个待跟踪运动目标的位置，向分镜摄像系统发送对应的运动目标跟踪指令；分镜摄像系统对来自待跟踪运动目标的光线进行反射，利用光线反射原理在镜头指向不变时捕捉并跟踪多个待跟踪运动目标。本发明在保持拍摄镜头指向不变的情况下通过光线反射原理进行多个运动目标的捕捉与跟踪，避免机械调节镜头方向调节速度慢的问题，提高了多个运动目标的捕捉跟踪速度。

摘要： 本发明提供了运动目标捕捉与跟踪设备及运动目标捕捉与跟踪方法，其中设备包括：全景图像采集器，与全景图像采集器电连接的控制器，与控制器分别电连接的多个分镜摄像系统；全景图像采集器向控制器传输采集到的全景环境图像；控制器根据全景环境图像确定待跟踪运动目标和待跟踪运动目标的位置，向分镜摄像系统发送对应的运动目标跟踪指令；分镜摄像系统对来自待跟踪运动目标的光线进行反射，利用光线反射原理在镜头指向不变时捕捉并跟踪待跟踪运动目标。本发明中的设备及方法在保持拍摄镜头指向不变的情况下通过光线反射原理进行运动目标的捕捉与跟踪，避免机械调节镜头方向调节速度慢的问题，提高了运动目标的捕捉跟踪速度。

摘要： 本发明提供了一种运动目标检测方法和一种运动目标检测装置，其中，运动目标检测方法包括：获取当前编码帧的运动矢量数据；将当前编码帧进行区域划分，每一区域对应N个运动矢量，形成一个运动矢量组；根据每一运动矢量组计算出一个局部相似值，以得到当前编码帧的局部相似值图；对局部相似值图进行二值化，在经过二值化的局部相似值图中分割出多个独立的连通域，将每一独立的连通域作为一个运动目标，完成运动目标的检测。在前端设备中无需增加额外的硬件资源，并且在编码的同时输出检测结果，实时性高。

摘要： 本发明公开了一种运动目标检测方法及实现运动目标检测方法的检测系统，在检测前景像素时，通过对当前像素的邻域像素进行统计，并引入置信因子来判断当前像素是否为前景像素，检测出来的前景目标可靠、空洞较少，可以消除鬼影等影响；在背景模型更新方面，采用背景像素进行模型更新，具有较高的可靠性；基于CSLBP纹理特征对光照的不敏感性，计算当前像素的更新概率，实现了背景模型的自适应更新，很好的适应光照的突然变化，克服了场景动态变化对背景图像的影响，使所建立的背景图像具有较好的鲁棒性。对于此算法，本发明还采用并行结果和多级流水线技术，用硬件的方式实现，提高了检测的实时性。

摘要： 本发明实施例公开了一种运动目标检测模型建立方法和运动目标检测方法，运动目标检测模型建立方法包括：将获取的视频样本进行按帧拆分得到多个样本；将部分样本用于初始化前景分割模型，剩余的其他样本作为训练集；重复以下步骤：获取并将子训练集输入前景分割模型，得到浅层前景目标图；将子训练集输入至全卷积网络模型，得到深层前景目标图；将浅层前景目标图分别与深层前景目标图融合，得到前景目标特征图集；利用前景目标特征图集更新前景分割模型。当前景目标的识别准确率达到预设值，将前景分割模型和全卷积网络模型作为运动目标检测模型。由此，本发明解决了前景分割模型中错检和漏检的问题，提高了运动目标的检测准确度。

摘要： 本申请公开了一种运动目标识别训练方法、运动目标识别方法及装置，该运动目标识别训练方法包括：获得不同时间点拍摄的多张图像；获得每张所述图像中目标的第一类静态特征和第二类静态特征；将每张所述图像中所述第一类静态特征和所述第二类静态特征进行融合得到融合特征；将至少部分所述图像的所述融合特征进行分类训练直至整个网络收敛。通过上述方式，能够有效提高目标特征的丰富性，训练得到表征能力更强、鲁棒性更好的运动目标识别模型。

摘要： 本申请提供了一种运动目标跟踪方法及运动目标跟踪装置，属于监控技术领域，包括：基于fDSST算法对实时输入的连续帧图像中的运动目标进行跟踪；在对上述运动目标进行跟踪的过程中，监测上述运动目标是否被遮挡；若上述运动目标被遮挡，则基于粒子滤波算法对实时输入的连续帧图像中的运动目标进行跟踪；若上述运动目标未被遮挡，则执行上述基于fDSST算法对实时输入的连续帧图像中的运动目标进行跟踪的步骤。本申请在运动目标为被遮挡或未被遮挡的情况下，通过不同的算法对运动目标进行跟踪，降低了对运动目标跟踪时丢失运动目标的可能性。

摘要： 本发明公开了一种运动目标检测系统。运动目标检测系统包括：用于采集车辆外不同预定区域的多个图像的多个相机、用于根据多个图像形成全景图像的图像预处理模块、用于检测并跟踪全景图像的特征点的视觉特征处理模块、用于根据传感器信息获得车辆运动模型的车辆运动估计模块、用于根据特征点以及车辆运动模型分割全景图像的运动目标和背景的运动目标检测模块和用于在运动目标对车辆形成危险时发出警示信息的目标报警模块。此外，本发明还公开了一种运动目标检测方法和一种车辆。本发明的运动目标检测系统、运动目标检测方法和车辆根据多个相机形成的全景图像获得车辆各个方位上的运动目标，从而在运动目标对车辆形成危险时驾驶员能够察觉。

摘要： 本发明提出了一种基于DirectShow的运动目标检测方法，包括以下步骤：首先基于混合高斯背景建模法，对视频图像进行预处理以获取背景像素模型；之后基于OpenCV的背景差分法和目标跟踪算法，通过视频帧图像与背景像素模型求解，以获取运动目标局部图像；最后基于运动目标定位算法，获取运动目标的位置参数。本发明还提出了一种基于DirectShow的运动目标检测模块和监控系统。本发明1)本发明可在同一时间内进行多个视频图像数据的捕捉、转换、渲染，从而提高监控系统的利用率和视频监控范围：进一步地，本发明运用基于DirectShow的运动目标检测方法，可快速、准确地实现视频的捕获，准确的保证监控系统的实效性，也为数据的处理节省时间。