基于压缩粒子滤波的改进目标跟踪算法研究

发布时间：2017-10-07 22:31

  本文关键词：基于压缩粒子滤波的改进目标跟踪算法研究

  更多相关文章： 目标跟踪 遮挡 尺度变化 压缩粒子滤波 分块 窗口更新机制

【摘要】：目标跟踪技术已经成为航空航天、智能监控、安全管理、医疗卫生等领域发展的必要手段。随着应用越来越广泛,对目标跟踪技术性能的要求也越来越高。而跟踪过程中存在的目标遮挡、尺度变化、光照变化等问题又是影响跟踪效果的重要因素。因此,为解决因目标遮挡和尺度变化造成的跟踪鲁棒性下降的问题,论文提出了基于分块的压缩粒子滤波目标跟踪算法和基于窗口更新的分块压缩粒子滤波目标跟踪算法来解决上述两个问题。粒子滤波目标跟踪算法利用概率估计的方式在跟踪过程中可以较好地处理目标部分遮挡,但跟踪的准确性会随着粒子数目的增加而急剧增加,造成该算法在实际跟踪场景中应用的局限性。而基于压缩感知的目标跟踪算法是通过对原始图像的特征进行压缩提取,使得高维的目标特征降低到低维,因此在进行目标跟踪的过程中运算的效率将大大提升。考虑到实际应用中存在目标被遮挡的情况,上述所提及的两种算法可以达到理论上的互补,论文在上述两种算法的基础上提出了一种基于分块的压缩粒子滤波目标跟踪算法用于解决跟踪中的遮挡问题。改进算法是将压缩感知理论应用到粒子滤波框架下,同时考虑到目标遮挡情况的复杂性,提出了目标分块匹配机制,对目标进行分块后根据子块的相似度信息判断子块遮挡情况,在模板更新阶段对被遮挡的子块不进行更新,此外在目标特征提取时使用了改进的包含空间信息的颜色特征提取方法,更加精确地描述目标。通过上述的改进,一定程度上缓解了目标因为被遮挡而出现的跟踪偏移甚至跟踪丢失的问题。在实际的跟踪过程中,目标遮挡的同时往往伴随着目标尺寸的变化。因此论文在上述改进算法的基础上对跟踪过程中目标尺寸发生变化的情况进行了讨论,并提出了基于窗口更新的分块压缩粒子滤波目标跟踪算法。该算法将窗口的自动更新机制融入到目标跟踪的过程中,在跟踪过程中设定多个匹配窗口,寻找模板匹配度最高的目标窗口的中心位置作为目标跟踪的最终位置信息。由于算法改进是在分块压缩粒子滤波目标跟踪算法的基础上进行的,因此可以同时解决目标尺寸变化以及遮挡的问题。通过理论和仿真实验对论文所提两种改进算法进行了定性和定量的分析,实验结果表明基于分块的压缩粒子滤波目标跟踪算法可以较好地解决遮挡问题,而基于窗口更新的分块压缩粒子滤波目标跟踪算法在一定程度上可以减小目标在尺度变化时引起的跟踪漂移现象,同时实现了目标跟踪过程中实时性与鲁棒性的折中。
【关键词】：目标跟踪 遮挡 尺度变化 压缩粒子滤波 分块 窗口更新机制
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要3-5
• Abstract5-9
• 第一章 绪论9-18
• 1.1 引言9
• 1.2 研究背景及意义9-11
• 1.3 目标跟踪算法面临的挑战11-13
• 1.4 目标跟踪算法的国内外研究现状13-16
• 1.5 论文的主要内容和结构安排16-18
• 第二章 目标跟踪算法的理论基础18-34
• 2.1 基于粒子滤波(PF)的目标跟踪算法19-27
• 2.1.1 PF的理论基础19-25
• 2.1.2 基于PF的目标跟踪算法实现25-26
• 2.1.3 实验结果与分析26-27
• 2.2 基于压缩感知(CS)的目标跟踪算法27-33
• 2.2.1 CS的理论基础27-30
• 2.2.2 基于CS的目标跟踪算法实现30-31
• 2.2.3 实验结果与分析31-33
• 2.3 本章小结33-34
• 第三章 基于PF和CS的改进目标跟踪算法34-49
• 3.1 压缩粒子滤波(CPF)目标跟踪算法34-39
• 3.1.1 CPF目标跟踪算法理论与算法流程35-37
• 3.1.2 实验结果与分析37-39
• 3.2 基于分块的压缩粒子滤波目标跟踪算法(BCPF)39-44
• 3.2.1 目标分块跟踪算法理论39-42
• 3.2.2 BCPF目标跟踪算法流程42-44
• 3.3 实验分析与比较44-48
• 3.4 本章小结48-49
• 第四章 基于窗口更新的BCPF目标跟踪算法49-63
• 4.1 窗口自动更新机制50-52
• 4.1.1 固定窗口跟踪50-51
• 4.1.2 跟踪窗口更新机制51-52
• 4.2 基于窗口更新的BCPF目标跟踪算法52-55
• 4.2.1 特征压缩矩阵的更新52-53
• 4.2.2 窗口更新的改进BCPF目标跟踪算法流程53-55
• 4.3 实验分析与比较55-62
• 4.4 本章小结62-63
• 第五章 总结与展望63-65
• 5.1 总结63-64
• 5.2 展望64-65
• 参考文献65-69
• 致谢69-70
• 攻读硕士学位期间发表的论文70

【相似文献】

中国期刊全文数据库 前10条

1 金忠;一种多目标跟踪算法[J];南京理工大学学报(自然科学版);1985年S1期

2 龚萍;张辉;毛征;张庆龙;孔文超;;融合局部熵二维熵的空中目标跟踪算法研究[J];国外电子测量技术;2014年01期

3 马奔,史忠科,皮燕妮;成像目标跟踪算法分析[J];西安电子科技大学学报;2005年03期

4 孙中森;孙俊喜;宋建中;乔双;;一种抗遮挡的运动目标跟踪算法[J];光学精密工程;2007年02期

5 陈爱华;孟勃;朱明;王艳华;;多模式融合的目标跟踪算法[J];光学精密工程;2009年01期

6 牛长锋;刘玉树;;融合多特征的粒子滤波目标跟踪算法[J];华中科技大学学报(自然科学版);2010年01期

7 蔡荣太;吴元昊;王明佳;吴庆祥;;视频目标跟踪算法综述[J];电视技术;2010年12期

8 佟国峰;蒋昭炎;谷久宏;庞晓磊;;基于随机蕨丛的长期目标跟踪算法[J];东北大学学报(自然科学版);2013年01期

9 曹晓丽;李明;邢玉娟;谭萍;;几种自动目标跟踪算法的比较研究[J];硅谷;2013年02期

10 王鲁平,李飚,胡敏露;一种基于多传感器数据融合的目标跟踪算法[J];红外与激光工程;2004年02期

中国重要会议论文全文数据库 前10条

1 徐炳吉;;一种多站联合目标跟踪算法[A];数学及其应用文集——中南模糊数学和系统分会第三届年会论文集（上卷）[C];1995年

2 杜方芳;刘士荣;邱雪娜;;一种改进的粒子滤波目标跟踪算法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年

3 付晓薇;方康玲;李曦;;一种基于特征的多目标跟踪算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

4 许伟村;赵清杰;;一种基于粒子滤波的多目标跟踪算法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

5 李军;张华;单梁;;一种基于Mean shift和粒子滤波的综合目标跟踪算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

6 肖敬若;胡伏原;郑江滨;张艳宁;;一种有效的多目标跟踪算法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

7 郑黎义;陈兴无;王磊;李正东;;红外/雷达双传感器融合目标跟踪算法[A];中国工程物理研究院科技年报（2005）[C];2005年

8 张震宇;王立松;;基于粒子滤波的传感器目标跟踪算法[A];2008年中国高校通信类院系学术研讨会论文集（上册）[C];2009年

9 王亚楠;陈杰;甘明刚;;基于差分进化的改进粒子滤波目标跟踪算法[A];中国自动化学会控制理论专业委员会C卷[C];2011年

10 张涛;费树岷;胡刚;;基于多特征信息自适应融合的视频目标跟踪算法[A];第二十九届中国控制会议论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 胡子军;基于随机有限集的雷达多目标跟踪算法研究[D];西安电子科技大学;2015年

2 王保宪;复杂背景下的视频目标跟踪算法研究[D];北京理工大学;2016年

3 张雷;复杂场景下实时目标跟踪算法及实现技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年

4 王晶晶;复杂拥挤环境下协同视频监控中目标跟踪算法研究[D];中国科学技术大学;2016年

5 卢建国;基于粒子滤波的视频目标跟踪算法研究[D];北京邮电大学;2011年

6 冯巍;分布式多视角目标跟踪算法研究[D];复旦大学;2011年

7 王书朋;视频目标跟踪算法研究[D];西安电子科技大学;2009年

8 刘晴;基于区域特征的目标跟踪算法研究[D];北京理工大学;2014年

9 邱雪娜;基于视觉的运动目标跟踪算法及其在移动机器人中的应用[D];华东理工大学;2011年

10 赵运基;基于视觉的目标跟踪算法研究[D];华南理工大学;2012年

中国硕士学位论文全文数据库 前10条

1 张健;形变目标跟踪算法的研究与实现[D];辽宁大学;2015年

2 张巧丽;基于LabVIEW的运动目标跟踪算法研究与实现[D];陕西科技大学;2015年

3 钟宝康;基于压缩感知的预测目标跟踪算法研究[D];江西理工大学;2015年

4 薛桐;基于CamShift的运动目标跟踪算法研究[D];沈阳理工大学;2015年

5 王增宇;基于稀疏表达的目标跟踪算法研究[D];沈阳理工大学;2015年

6 王静;结构化的表观模型及两阶段目标跟踪算法研究[D];沈阳理工大学;2015年

7 葛凯蓉;自然场景下目标跟踪算法的研究[D];山东大学;2015年

8 向伟;基于检测的目标跟踪算法研究[D];上海交通大学;2015年

9 单顺勇;结合多示例学习和模板匹配的目标跟踪算法研究[D];江西理工大学;2015年

10 张碧武;基于单目视觉的目标跟踪算法的研究与实现[D];电子科技大学;2015年

，

本文编号：990469