单目序列图像的运动目标参数估算新方法

doi:10.3778/j.issn.1002-8331.2010.14.063

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (14): 212-214.DOI: 10.3778/j.issn.1002-8331.2010.14.063

单目序列图像的运动目标参数估算新方法

许定根¹，周辉²，程乃平¹，苏宪程¹

1.装备指挥技术学院光电装备系，北京 101416
2.装备指挥技术学院信息装备系，北京 101416

收稿日期:2009-01-05 修回日期:2009-03-30 出版日期:2010-05-11 发布日期:2010-05-11
通讯作者: 许定根

Method of motion target parameters estimation based on monocular sequence images

XU Ding-gen¹，ZHOU Hui²，CHENG Nai-ping¹，SU Xian-cheng¹

1.Department of Optical and Electrical Equipment，the Academy of Equipment Command & Technology，Beijing 101416，China
2.Department of Information Equipment，the Academy of Equipment Command & Technology，Beijing 101416，China

Received:2009-01-05 Revised:2009-03-30 Online:2010-05-11 Published:2010-05-11
Contact: XU Ding-gen

摘要/Abstract

摘要： 可疑运动目标的检测和参数估算是智能视频监控的关键。为克服传统计算机双目技术系统复杂等缺点，提出一种单目运动目标识别技术并估算目标运动参数的方法。利用几何成像原理，推导出运动目标与固定摄像机的实际水平距离和目标在二维图像中的位置之间数学模型，结合摄像机参数，估算出目标实际位置及运动速度。通过搭建的硬件平台和编写的测试软件，在实际码头对海面目标的参数估计进行了实验，结果显示了该方法简单、有效和可行。

关键词: 序列图像, 运动目标, 成像几何原理, 图像处理

Abstract: The detection and parameters estimation of strange motion target are the keys of intelligent surveillance.A new method of motion target parameters estimation based on monocular sequence images is presented，in order to avoid the defects of complicated traditional computer binocular vision system.The relation between the distance of the camera and motion target，and the counterpart on images is derived，based on imaging geometrical principle.The position and velocity are estimated with the parameters of the camera.The experiment results show the method is simply and feasible.

Key words: sequence image, motion target, imaging geometrical principle, image processing

中图分类号:

TP319

许定根¹，周辉²，程乃平¹，苏宪程¹. 单目序列图像的运动目标参数估算新方法[J]. 计算机工程与应用, 2010, 46(14): 212-214.

XU Ding-gen¹，ZHOU Hui²，CHENG Nai-ping¹，SU Xian-cheng¹. Method of motion target parameters estimation based on monocular sequence images[J]. Computer Engineering and Applications, 2010, 46(14): 212-214.

[1]	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.
[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]	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.
[4]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[5]	云旭，宋焕生，梁浩翔，侯景严，戴喆. 基于深度学习的关键岗位人员行为分析系统[J]. 计算机工程与应用, 2021, 57(6): 225-231.
[6]	卢苇，刘丹，邵敏，吴扬东. 改进Mask R-CNN网络在医学图像识别与分割中的应用[J]. 计算机工程与应用, 2021, 57(24): 234-241.
[7]	张德，林青宇，郭茂祖. 单幅图像超分辨重建的深度学习方法综述[J]. 计算机工程与应用, 2021, 57(22): 28-41.
[8]	李祥霞，谢娴，李彬，尹华，许波，郑心炜. 生成对抗网络在医学图像处理中的应用[J]. 计算机工程与应用, 2021, 57(18): 24-37.
[9]	林本丰，王呈，孙悦程. 融合LSD算法与深度学习的开关状态检测方法[J]. 计算机工程与应用, 2021, 57(17): 181-189.
[10]	许洋洋，李伟，王杰. 利用事件和期限驱动对机器人延时的优化[J]. 计算机工程与应用, 2021, 57(17): 260-268.
[11]	王滢暄，宋焕生，梁浩翔，余宵雨，云旭. 基于改进的YOLOv4高速公路车辆目标检测研究[J]. 计算机工程与应用, 2021, 57(13): 218-226.
[12]	陈少洁，赵淦森，林成创，彭璟，黄凯信，李壮伟，黄润桦，杜嘉华，樊小毛. 深度学习在染色体分割中的应用综述[J]. 计算机工程与应用, 2021, 57(11): 46-56.
[13]	胡文涛，陈秀宏. 基于局部保持投影的鲁棒稀疏子空间学习[J]. 计算机工程与应用, 2021, 57(10): 194-199.
[14]	王凡，周国清，张荣庭，刘德全. 面向FPGA的连通域快速标记方法[J]. 计算机工程与应用, 2020, 56(22): 230-235.
[15]	潘卫华，杜旭. 基于改进自适应权重的三边滤波立体匹配算法[J]. 计算机工程与应用, 2020, 56(18): 186-192.

单目序列图像的运动目标参数估算新方法

Method of motion target parameters estimation based on monocular sequence images

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics