目標(biāo)檢測(cè)和跟蹤在許多應(yīng)用中都具有重要的意義,例如智能監(jiān)控、自動(dòng)駕駛和人機(jī)交互等。傳統(tǒng)的目標(biāo)檢測(cè)算法需要多次掃描圖像,并使用復(fù)雜的特征提取和分類(lèi)器來(lái)識(shí)別目標(biāo)。然而,這些方法在實(shí)時(shí)性和準(zhǔn)確性上存在一定的限制。隨著YOLO算法的出現(xiàn),目標(biāo)檢測(cè)和跟蹤領(lǐng)域取得了重大突破。YOLO算法概述YOLO算法是一種基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)和跟蹤算法。與傳統(tǒng)方法相比,YOLO算法采用了全新的思路和架構(gòu)。它將目標(biāo)檢測(cè)問(wèn)題轉(zhuǎn)化為一個(gè)回歸問(wèn)題,通過(guò)單次前向傳播即可同時(shí)預(yù)測(cè)圖像中多個(gè)目標(biāo)的位置和類(lèi)別。這使得YOLO算法在速度和準(zhǔn)確性上具備了明顯優(yōu)勢(shì)。RK3588圖像處理板識(shí)別概率超過(guò)85%。穩(wěn)定目標(biāo)跟蹤工程
序列圖像的差異通常是運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤的出發(fā)點(diǎn),認(rèn)為目標(biāo)的運(yùn)動(dòng)是圖像差異的根本原因。但是,這是建立在背景本身不運(yùn)動(dòng)的前提下的。因此,在許多跟蹤系統(tǒng)中,比如車(chē)載,由于車(chē)的振動(dòng)導(dǎo)致傳感器位置的變化,表現(xiàn)在圖像上就是背景的運(yùn)動(dòng),因此在做差圖像和背景自動(dòng)更新之前,都必須先經(jīng)過(guò)配準(zhǔn),即讓所有圖像在都同一個(gè)坐標(biāo)系之下,以消除背景的運(yùn)動(dòng)。在不同的應(yīng)用場(chǎng)合,配準(zhǔn)的方法多種多樣,比如當(dāng)兩個(gè)圖像之間只有平移變化時(shí),計(jì)算出它們的平移量即可實(shí)現(xiàn)配準(zhǔn);由于平移變化對(duì)圖像的相位信息影響較大,在頻率域利用相位相關(guān)可以實(shí)現(xiàn)配準(zhǔn)。黑龍江自主可控目標(biāo)跟蹤慧視光電開(kāi)發(fā)的慧視RV1126圖像處理板,采用了國(guó)產(chǎn)高性能CPU。
然后在下一幀采集的圖像中對(duì)目標(biāo)對(duì)象進(jìn)行特征提??;特征匹配的過(guò)程既是將提取出來(lái)的目標(biāo)對(duì)象的特征與我們事先已經(jīng)建立的特征模板進(jìn)行匹配,通過(guò)與特征模板的相似程度來(lái)確定被跟蹤的目標(biāo)對(duì)象,實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤?;谔卣鞯母櫵惴ǖ膬?yōu)點(diǎn)在于速度快、對(duì)運(yùn)動(dòng)目標(biāo)的尺度、形變和亮度等變化不敏感,能滿(mǎn)足特定場(chǎng)合的處理要求。但由于特征具有稀疏性和不規(guī)則性,所以該算法對(duì)于噪聲、遮擋、圖像模糊等比較敏感,如果目標(biāo)發(fā)生旋轉(zhuǎn),則部分特征點(diǎn)會(huì)消失,新的特征點(diǎn)會(huì)出現(xiàn),因此需要對(duì)匹配模板進(jìn)行更新。
在目標(biāo)跟蹤領(lǐng)域,場(chǎng)景信息與目標(biāo)狀態(tài)的融合十分重要,首先,場(chǎng)景信息包含了豐富的環(huán)境上下文信息,對(duì)場(chǎng)景信息進(jìn)行分析及充分利用,能夠有效地獲取場(chǎng)景的先驗(yàn)知識(shí),降低復(fù)雜的背景環(huán)境以及場(chǎng)景中與目標(biāo)相似的物體的干擾;同樣地,對(duì)目標(biāo)的準(zhǔn)確描述有助于提升檢測(cè)與跟蹤算法的準(zhǔn)確性與魯棒性.總之,嘗試研究結(jié)合背景信息和前景目標(biāo)信息的分析方法,融合場(chǎng)景信息與目標(biāo)狀態(tài),將有助于提高算法的實(shí)用性能?;垡暪怆婇_(kāi)發(fā)的圖像處理板,具備高性能、高精度的特點(diǎn),能夠進(jìn)行精確的目標(biāo)跟蹤。成都慧視的跟蹤版是國(guó)產(chǎn)化的!
無(wú)人機(jī)吊艙能夠通過(guò)定制算法和精細(xì)定位技術(shù)實(shí)現(xiàn)農(nóng)藥精細(xì)噴灑、農(nóng)作物精細(xì)拋糧等操作。穩(wěn)定目標(biāo)跟蹤工程
當(dāng)兩個(gè)圖像之間還有旋轉(zhuǎn)或比例變化時(shí),往往使用基于控制點(diǎn)的方法進(jìn)行圖像配準(zhǔn)。所謂特征點(diǎn)匹配就是在一幀圖像中尋找具有不變性質(zhì)的結(jié)構(gòu)—特征點(diǎn),例如,灰度局部極大值、局部邊緣、角等,與另一幀圖像中的同類(lèi)特征點(diǎn)作匹配,從而求得該兩幀圖像之間的變換關(guān)系。從現(xiàn)實(shí)的觀點(diǎn)看,在全部特征點(diǎn)中,只有部分能得到正確的匹配,這是因?yàn)樘卣鼽c(diǎn)尋找算法并非完美無(wú)缺。特征點(diǎn)匹配方法具有:處理的數(shù)據(jù)量不斷減少、可能匹配的數(shù)目少于互相關(guān)方法和受照度、幾何的變化影響較小的優(yōu)點(diǎn)。根據(jù)具體的振動(dòng)情況,選擇合適的特征點(diǎn)和速度較快的匹配策略是該任務(wù)研究的重點(diǎn)。目前的研究工作都致力于圖像間的自動(dòng)配準(zhǔn),如直接相關(guān)匹配,基于圖像分割技術(shù)的配準(zhǔn),利用封閉輪廓的形心作為控制點(diǎn)的配準(zhǔn)等。穩(wěn)定目標(biāo)跟蹤工程