本文關(guān)鍵詞：基于粒子濾波的目標(biāo)跟蹤算法研究

  更多相關(guān)文章： 粒子濾波 目標(biāo)遮擋 視覺(jué)背景提取 多目標(biāo)跟蹤

【摘要】：視頻目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)的一個(gè)核心問(wèn)題，其在視頻監(jiān)控、人機(jī)交互、機(jī)器人視覺(jué)導(dǎo)航等領(lǐng)域有著廣泛的應(yīng)用。一個(gè)有實(shí)際用途的跟蹤算法必須面對(duì)復(fù)雜背景、光照變化、相似物體干擾、目標(biāo)遮擋等難題。為此，研究者們已經(jīng)提出了很多跟蹤算法，但設(shè)計(jì)一個(gè)魯棒通用的跟蹤算法仍然是一個(gè)富有挑戰(zhàn)性的課題。為此，本文主要基于粒子濾波框架，對(duì)目標(biāo)跟蹤技術(shù)進(jìn)行研究和改進(jìn)。主要工作如下: 1、詳細(xì)介紹貝葉斯?fàn)顟B(tài)估計(jì)的基本理論，引出基于蒙特卡洛的粒子濾波算法。然后介紹序貫重要性采樣和標(biāo)準(zhǔn)粒子濾波算法的一般流程。分析粒子濾波算法中的系統(tǒng)模型和觀測(cè)模型。通過(guò)實(shí)驗(yàn)分析比較粒子濾波算法在目標(biāo)跟蹤中的優(yōu)勢(shì)。 2、改進(jìn)粒子濾波算法中的目標(biāo)表示，論文采用基于核的顏色直方圖來(lái)更好地利用目標(biāo)的顏色特征。并結(jié)合基于核的梯度方向直方圖表征目標(biāo)。同時(shí)，論文采用一種新方法來(lái)自適應(yīng)融合多特征，使得在不同場(chǎng)景下能夠自適應(yīng)地加權(quán)不同特征。在跟蹤的過(guò)程中，需要對(duì)目標(biāo)的模型進(jìn)行更新，通過(guò)一個(gè)學(xué)習(xí)速率調(diào)節(jié)目標(biāo)模板更新的快慢。如果發(fā)生目標(biāo)遮擋，則應(yīng)該停止模板的更新。 3、針對(duì)目標(biāo)變速，本文提出一種混合運(yùn)動(dòng)模型。這種方法能夠跟蹤到正常運(yùn)動(dòng)的目標(biāo)，也能捕捉到變速的目標(biāo)，計(jì)算簡(jiǎn)單快速。針對(duì)目標(biāo)遮擋，采用一種遮擋因子對(duì)遮擋時(shí)刻和遮擋程度進(jìn)行判斷。如果是目標(biāo)部分遮擋，采用子塊表決的方式，利用未被遮擋的區(qū)域信息持續(xù)跟蹤。如果是嚴(yán)重遮擋，則停止目標(biāo)的更新，保留目標(biāo)信息，依靠檢測(cè)技術(shù)嘗試重新找回。 4、改進(jìn)后的粒子濾波算法與視覺(jué)背景提取算法相結(jié)合，進(jìn)行多目標(biāo)跟蹤。這種方法能夠快速發(fā)現(xiàn)新目標(biāo)和找回被完全遮擋的目標(biāo)。依靠檢測(cè)集和跟蹤集，，實(shí)現(xiàn)基于關(guān)聯(lián)矩陣的一般推理，可以較好地實(shí)現(xiàn)目標(biāo)關(guān)聯(lián)，提高了多目標(biāo)跟蹤的準(zhǔn)確性和魯棒性。
【關(guān)鍵詞】：粒子濾波 目標(biāo)遮擋 視覺(jué)背景提取 多目標(biāo)跟蹤
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類(lèi)號(hào)】：TP391.41
【目錄】：

• 摘要5-6
• Abstract6-11
• 第一章 緒論11-21
• 1.1 課題背景及研究意義11-12
• 1.2 視頻目標(biāo)跟蹤概述12-16
• 1.2.1 目標(biāo)跟蹤算法的研究現(xiàn)狀12-14
• 1.2.2 目標(biāo)狀態(tài)估計(jì)方法的現(xiàn)狀14-16
• 1.2.3 視頻目標(biāo)跟蹤的難點(diǎn)16
• 1.3 粒子濾波的研究現(xiàn)狀16-18
• 1.4 本文主要工作及篇章結(jié)構(gòu)18-21
• 1.4.1 本文主要工作18-19
• 1.4.2 本文結(jié)構(gòu)19-21
• 第二章 粒子濾波技術(shù)21-36
• 2.1 引言21
• 2.2 貝葉斯?fàn)顟B(tài)估計(jì)21-22
• 2.3 序貫重要性采樣22-24
• 2.4 粒子濾波算法的一般算法流程24-27
• 2.5 系統(tǒng)模型和觀測(cè)模型27-30
• 2.5.1 系統(tǒng)模型27-28
• 2.5.2 觀測(cè)模型28-30
• 2.5.2.1 HSV 顏色空間28-29
• 2.5.2.2 觀測(cè)似然函數(shù)29-30
• 2.6 仿真實(shí)驗(yàn)30-35
• 2.6.1 標(biāo)準(zhǔn)粒子濾波算法流程31
• 2.6.2 Camshift 算法流程31-32
• 2.6.3 實(shí)驗(yàn)結(jié)果比較32-35
• 2.7 本章小結(jié)35-36
• 第三章 標(biāo)準(zhǔn)粒子濾波算法的改進(jìn)36-44
• 3.1 引言36-37
• 3.2 基于核的空間顏色直方圖37-38
• 3.3 梯度方向直方圖38-40
• 3.4 多特征自適應(yīng)融合40-42
• 3.5 模板更新42-43
• 3.6 本章小結(jié)43-44
• 第四章 遮擋情況下的粒子濾波跟蹤算法44-54
• 4.1 引言44-46
• 4.2 混合運(yùn)動(dòng)模型46-47
• 4.3 遮擋時(shí)刻判斷47
• 4.4 基于分塊的跟蹤算法47-49
• 4.4.1 子塊的劃分48
• 4.4.2 子塊的表決48-49
• 4.5 仿真實(shí)驗(yàn)49-53
• 4.6 本章小結(jié)53-54
• 第五章 基于粒子濾波的多目標(biāo)跟蹤54-69
• 5.1 引言54-55
• 5.2 視覺(jué)背景提取算法及改進(jìn)55-59
• 5.2.1 視覺(jué)背景提取算法55-57
• 5.2.2 視覺(jué)背景提取算法的改進(jìn)57-59
• 5.3 基于推理的關(guān)聯(lián)算法59-61
• 5.4 仿真實(shí)驗(yàn)61-68
• 5.4.1 背景檢測(cè)仿真實(shí)驗(yàn)61-64
• 5.4.2 基于粒子濾波多目標(biāo)仿真實(shí)驗(yàn)64-68
• 5.5 本章小結(jié)68-69
• 總結(jié)與展望69-71
• 參考文獻(xiàn)71-75
• 攻讀碩士學(xué)位期間取得的研究成果75-76
• 致謝76-77
• 答辯委員會(huì)對(duì)論文的評(píng)定意見(jiàn)77

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 侯志強(qiáng);韓崇昭;;視覺(jué)跟蹤技術(shù)綜述[J];自動(dòng)化學(xué)報(bào);2006年04期

2 沈志熙;楊欣;黃席樾;;均值漂移算法中的目標(biāo)模型更新方法研究[J];自動(dòng)化學(xué)報(bào);2009年05期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 羅飛騰;目標(biāo)跟蹤的粒子濾波技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

2 牛長(zhǎng)鋒;復(fù)雜背景下視頻運(yùn)動(dòng)目標(biāo)跟蹤的研究[D];北京理工大學(xué);2010年

3 王玉茹;基于粒子濾波器的視頻目標(biāo)跟蹤關(guān)鍵技術(shù)及其應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2010年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 王健;基于Adaboost檢測(cè)和相關(guān)向量機(jī)回歸預(yù)測(cè)的多目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2011年

2 廖雪超;基于粒子濾波和背景建模的多目標(biāo)跟蹤技術(shù)的研究和實(shí)現(xiàn)[D];武漢科技大學(xué);2006年

本文編號(hào)：919100