欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
位置：立项数据库 > 立项详情页
中文摘要：
针对传统目标跟踪方法中存在的数据处理耗时过多及复杂背景下目标丢失问题，提出了基于软特征(EOS-TOS)分析的目标前趋(FOT)预测跟踪技术。涉及内容1）为实现目标前趋预测跟踪，从理论上进行前趋特性分析及EOS和TOS的统一性互补性研究；2）为实时跟踪及预测目标信息，研究运动目标EOS和TOS提取技术；3）目标软特征跟踪及前趋轨迹预测跟踪研究；4）面向应用的运动目标软跟踪评价准则研究。总体目标是研究基于EOS和TOS的目标跟踪新理论、新方法和新技术，解决目标前趋预测跟踪和软特征有效分析中的关键技术。创新点是1）首次提出了EOS和TOS的概念，并引入到目标跟踪中；2）针对传统目标跟踪的特点，提出了前趋预测跟踪技术。本项目的研究解决，对提高复杂环境中以及障碍物遮挡下的目标可预测性和可跟踪性，提高目标跟踪主动性、实时性，增强目标跟踪的应用能力和应用范围具有重要的理论意义和应用价值。
英文摘要：
Object tracking；Soft feature；Edges of spectrum；Track of spectrum；Precursor forecast
结论摘要：
运动目标跟踪在计算机视觉领域中具有重要的研究意义和应用价值。近年来目标跟踪得到了广泛的研究，目标跟踪方法在受控的环境下取得了较好的跟踪效果，但是在复杂环境下目标跟踪效果仍存在广泛的提升空间。本项目针对目标跟踪中存在的数据处理耗时过多以及复杂背景条件下目标易丢失的问题，提出了一种新的基于软特征理论(Soft Feature， SF)的目标前趋预测跟踪方法。该方法首先在视频图像中选定待跟踪目标，并在目标图像边缘和内部设定采样区域，然后以采样区域图像中各像素灰度具有连续梯度变化特点的像素标记为初始像素，统计邻域图像中具有与初始像素灰度相同变化强度的邻域像素点，将具有相同变化强度的邻域像素群拟合成边缘谱带和空间谱带，并标记为软特征。最后，根据软特征对视频中运动目标进行跟踪，并以前趋冲击强度对运动状态和软特征进行前趋预测，限定目标检测范围并得到预测特征，以此实现低数据处理量主动式的目标跟踪。实验结果表明，利用谱带信息及软特征约束模型可以克服特征旋转、光强变化、尺度伸缩和目标翻转对目标跟踪的影响，具有较高的实时性、准确性。经测试，软特征目标跟踪方法的平均处理速度为23帧/秒，平均跟踪准确率为99。8%。软特征目标跟踪方法抓住了运动目标的软特征信息，突出了目标重要区域，抑制了干扰区域，通过提取运动目标的前趋冲击强度，对运动目标的前趋信息进行有效且稳定的预测，解决了复杂背景下目标遮挡及丢失问题。在特征提取和前趋预测阶段中，由于缩小了目标检测范围，并采用软特征约束信息对运动目标进行锁定，使得软特征目标跟踪方法具有较高的实时性、稳定性和很好的鲁棒性能。软特征目标跟踪方法不仅对目标跟踪有效，而且对于大范围场景下多维物体的识别与跟踪具有普遍意义和参考价值。
成果综合统计
期刊论文
会议论文
专利
获奖
著作
期刊论文
相关项目
刘万军的项目
