基于图像的目标自动跟踪系统

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (27): 190-192.

基于图像的目标自动跟踪系统

魏伟波¹,芮筱亭²,杨富锋²,陆文广³

1.青岛大学信息工程学院,山东青岛 266071
2.南京理工大学动力工程学院,南京 210094
3.中国电子科技集团公司第二十八研究所,南京 210014

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-21 发布日期:2007-09-21
通讯作者: 魏伟波

Automatic tracking system of target based on image

WEI Wei-bo¹,RUI Xiao-ting²,YANG Fu-feng²,LU Wen-guang³

1.College of Information Engineering,Qingdao University,Qingdao,Shandong 266071,China
2.Nanjing University of Science & Technology,Nanjing 210094,China
3.The 28th Institute of China Electronics Technology Group Corporation,Nanjing 210014,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-21 Published:2007-09-21
Contact: WEI Wei-bo

摘要/Abstract

摘要： 快速准确地跟踪目标是现代战争精确制导武器的基本要求,提高跟踪系统的实时性和准确性成为国内外目标跟踪技术的热点。建立了一套基于图像的目标自动跟踪系统,介绍了系统组成、设计原理以及算法原理。系统采用了一种非参数化跟踪算法——连续自适应平均值迁移（CAMSHIFT）算法来追踪目标,为精确制导武器的基于图像的目标自动跟踪技术奠定了重要的基础。试验证明该系统实现了目标自动跟踪功能,算法简洁,实时性和鲁棒性好。

关键词: 连续自适应平均值迁移算法, 图像, 自动跟踪

Abstract: Tracking target rapidly and accurately is the fundamental demand of precision guidance weapons in the modern war.Improving the real-time and veracity of tracking system is the hot point of tracking technology.An automatic tracking system of target based on image is built.The composing,design principium and algorithm principium of the system are introduced.Continuously Adaptive Mean Shift（CAMSHIFT） algorithm,which is an imparametrization tracking algorithm,is used to track object.A lot of experiments prove that this system can preferably achieve target tracking automatically.

Key words: CAMSHIFT algorithm, image, automatic tracking

魏伟波¹,芮筱亭²,杨富锋²,陆文广³. 基于图像的目标自动跟踪系统[J]. 计算机工程与应用, 2007, 43(27): 190-192.

WEI Wei-bo¹,RUI Xiao-ting²,YANG Fu-feng²,LU Wen-guang³. Automatic tracking system of target based on image[J]. Computer Engineering and Applications, 2007, 43(27): 190-192.

[1]	许昊，张凯，田英杰，种法广，王子超. 深度神经网络图像描述综述[J]. 计算机工程与应用, 2021, 57(9): 9-22.
[2]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[3]	张波，徐黎明，黄志伟，要小鹏. 梯度策略的多目标GANs帕累托最优解算法[J]. 计算机工程与应用, 2021, 57(9): 89-95.
[4]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[5]	朱鉴，刘培钰，陈炳丰，蔡瑞初. 结合相似块匹配与最小值滤波的图像去雨[J]. 计算机工程与应用, 2021, 57(9): 191-198.
[6]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[7]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[8]	闫晓燊，高强，朱思萌，奚学程，赵万生. 亮度不均匀低质量图像中压印字符分割方法[J]. 计算机工程与应用, 2021, 57(8): 185-191.
[9]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[10]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[11]	张韩钰，吴志昊，徐勇，陈斌. 增强卷积神经网络的人脸篡改检测方法[J]. 计算机工程与应用, 2021, 57(8): 220-224.
[12]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[13]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[14]	刘迪，贾金露，赵玉卿，钱育蓉. 基于深度学习的图像去噪方法研究综述[J]. 计算机工程与应用, 2021, 57(7): 1-13.
[15]	杨培伟，周余红，邢岗，田智强，许夏瑜. 卷积神经网络在生物医学图像上的应用进展[J]. 计算机工程与应用, 2021, 57(7): 44-58.