摘要：本文主要设计一款利用深度摄像头搭配kcf算法实现对指定目标跟随的四驱小车。小车以Jetson Nano为核心控制器、Arduino驱动板为辅控制器、深度摄像头为主要传感器、ROS为控制系统,采取kcf算法对图像进行分析处理。经过反复测试,小车能平稳顺畅地跟随指定目标,同时深度摄像头也采集出具有清晰鲜艳并且对比度高的环境信息。

摘要：近年来机器视觉技术广泛采用于各个领域,本文设计实现了一种基于运动检测与kcf算法的目标跟踪方法,该方法相对于传统单一的运动检测算法与目标跟踪算法在运动目标跟踪方面有很大优势。单一运动检测算法无法在目标停止运动后很好检测,而单一目标跟踪算法需要前期指定跟踪目标。本文设计的方法以运动检测作为触发条件,一旦检测到运动目标即开启目标跟踪器进行目标跟踪,因此可以对运动目标进行实时,高效,稳定的跟踪。该方法对于智能安防,视频监控技术有巨大应用潜力。

摘要：为了解决在目标跟踪过程中因录制设备发生偏移带来的跟踪偏移和目标丢失问题,提出了基于YOLO和kcf的目标跟踪算法。本文使用基于回归的端到端设计思想的YOLO算法实现目标检测,在目标检测前,对视频图像帧进行灰度化和均值滤波法实现图像增强,减少冗余数据,去除噪点。随后通过YOLO算法进行kcf算法跟踪框的初始化,在跟踪过程中设置偏移误差率(Offset error rate, OER)实时调整跟踪窗口位置,实现目标实时准确跟踪。实验结果表明,本文所提出的方法在面对录制设备发生偏移时相比于kcf算法、Camshift算法有较高的跟踪准确率和鲁棒性。

摘要：对于远距离或小尺寸的舰船目标,采用轻量级YOLOv4模型可提供高效实时的特征提取,降低计算和存储资源的需求,这对于长时间海上任务或移动设备十分重要。并且单一尺度特征提取容易导致识别结果出现较大误差,因此提出基于轻量级YOLOv4与kcf的复杂海面舰船目标识别方法。首先,对海面远小舰船图像进行双向均衡化处理,突出图像的细节。其次,设计一种更加轻量化的YOLOv4网络,从3个不同尺度提取舰船目标特征图,更快捷地捕捉舰船目标的位置和动态变化。最后,通过kcf算法结合相似度阈值,筛选出目标像素,构造舰船目标图像,完成舰船目标的识别。实验结果表明:所研究方法双向均衡化处理后图像质量得到提升,SNR最高达到35.4 dB,SSIM最大值为0.94;轻量化特征提取效果较为理想,特征提取的时间复杂度最低为1.2 s;相较于YOLOX-S算法、级联网络方法,所研究方法能够识别出全部的舰船目标,精准度达到了100%;所研究方法的最大帧率为49.6帧/s,相较于YOLOX-S算法、级联网络方法分别提升了84.40%与192.31%。因此,说明该方法能够更加精准地识别复杂海面舰船目标。

摘要：视觉跟随是机器人领域中一个比较重要的部分,可以应用在仓储搬运、安防、军事等多种领域。由于传统算法存在当背景比较复杂的情况下无法有效跟踪目标、对跟踪目标和外部环境的分辨率要求高所以只能进行辅助跟踪、计算量大无法满足实时性要求等问题。本文采用kcf算法设计,设计了基于ROS的移动机器人视觉跟随系统,利用循环矩阵在傅里叶空间可对角化的性质,从而使得矩阵运算被转化成元素的点乘,减少了计算量从而提高了运算速度,满足了算法的实时性要求。经过实验和数据分析,本移动机器人可以实时有效的跟随指定目标实现视觉跟随功能。

摘要：近年,由Henriques等人提出的核化相关滤波算法(kcf算法)在算法规模、复杂度、性能等方面表现优越.本文以kcf算法为核心,提出并设计了一种基于DSP的目标跟踪系统.硬件方面,本文设计实现了一套完整独立的硬件平台;软件方面,本文提出一系列针对DSP的算法优化方法,使优化后的kcf算法能够满足重要的工程指标要求.结果表明,系统在工程环境中表现良好,跟踪角速度可达20度/秒,平均帧率25 fps,跟踪准确率较高,为计算机视觉领域内的各类算法的嵌入式应用提供参考.

摘要：针对图像检测识别和目标跟踪技术中存在的抗遮挡性弱、无法应对目标丢失、对目标多尺度变化适应不了等问题,设计开发了基于Jetson TK1平台及计算机视觉OpenCV(Open Source Computer Vision Library)的行人运动目标跟踪系统,利用GPU高效图像处理能力,结合改进的kcf(Kernelized Correlation Filters)跟踪算法,实现对监控区域内行人的运动跟踪。实验结果表明,Jetson TK1平台的行人运动目标跟踪系统稳定可靠,具有良好的抗遮挡性和准确性。

摘要：目标跟踪技术在机器人领域中占据非常重要的一部分,可应用于日常生活、军事工业等多个领域。该文采用改进的kcf算法,基于ROS(Robot Operating System)搭建目标跟踪移动机器人。该机器人主要由驱动执行系统、传感系统和控制系统组成。利用Kinect深度摄像头和hector_slam算法建立环境地图,再利用kcf算法进行目标识别与跟踪,获取目标位置,利用move_base功能包实现机器人的导航。