当前位置:主页 > 科技论文 > 网络通信论文 >

基于粒子滤波的目标跟踪算法研究

发布时间:2017-09-25 19:14

  本文关键词:基于粒子滤波的目标跟踪算法研究


  更多相关文章: 粒子滤波 目标遮挡 视觉背景提取 多目标跟踪


【摘要】:视频目标跟踪是计算机视觉的一个核心问题,其在视频监控、人机交互、机器人视觉导航等领域有着广泛的应用。一个有实际用途的跟踪算法必须面对复杂背景、光照变化、相似物体干扰、目标遮挡等难题。为此,研究者们已经提出了很多跟踪算法,但设计一个鲁棒通用的跟踪算法仍然是一个富有挑战性的课题。为此,本文主要基于粒子滤波框架,对目标跟踪技术进行研究和改进。主要工作如下: 1、详细介绍贝叶斯状态估计的基本理论,引出基于蒙特卡洛的粒子滤波算法。然后介绍序贯重要性采样和标准粒子滤波算法的一般流程。分析粒子滤波算法中的系统模型和观测模型。通过实验分析比较粒子滤波算法在目标跟踪中的优势。 2、改进粒子滤波算法中的目标表示,论文采用基于核的颜色直方图来更好地利用目标的颜色特征。并结合基于核的梯度方向直方图表征目标。同时,论文采用一种新方法来自适应融合多特征,使得在不同场景下能够自适应地加权不同特征。在跟踪的过程中,需要对目标的模型进行更新,通过一个学习速率调节目标模板更新的快慢。如果发生目标遮挡,则应该停止模板的更新。 3、针对目标变速,本文提出一种混合运动模型。这种方法能够跟踪到正常运动的目标,也能捕捉到变速的目标,计算简单快速。针对目标遮挡,采用一种遮挡因子对遮挡时刻和遮挡程度进行判断。如果是目标部分遮挡,采用子块表决的方式,利用未被遮挡的区域信息持续跟踪。如果是严重遮挡,则停止目标的更新,保留目标信息,依靠检测技术尝试重新找回。 4、改进后的粒子滤波算法与视觉背景提取算法相结合,进行多目标跟踪。这种方法能够快速发现新目标和找回被完全遮挡的目标。依靠检测集和跟踪集,,实现基于关联矩阵的一般推理,可以较好地实现目标关联,提高了多目标跟踪的准确性和鲁棒性。
【关键词】:粒子滤波 目标遮挡 视觉背景提取 多目标跟踪
【学位授予单位】:华南理工大学
【学位级别】:硕士
【学位授予年份】:2013
【分类号】:TP391.41
【目录】:
  • 摘要5-6
  • Abstract6-11
  • 第一章 绪论11-21
  • 1.1 课题背景及研究意义11-12
  • 1.2 视频目标跟踪概述12-16
  • 1.2.1 目标跟踪算法的研究现状12-14
  • 1.2.2 目标状态估计方法的现状14-16
  • 1.2.3 视频目标跟踪的难点16
  • 1.3 粒子滤波的研究现状16-18
  • 1.4 本文主要工作及篇章结构18-21
  • 1.4.1 本文主要工作18-19
  • 1.4.2 本文结构19-21
  • 第二章 粒子滤波技术21-36
  • 2.1 引言21
  • 2.2 贝叶斯状态估计21-22
  • 2.3 序贯重要性采样22-24
  • 2.4 粒子滤波算法的一般算法流程24-27
  • 2.5 系统模型和观测模型27-30
  • 2.5.1 系统模型27-28
  • 2.5.2 观测模型28-30
  • 2.5.2.1 HSV 颜色空间28-29
  • 2.5.2.2 观测似然函数29-30
  • 2.6 仿真实验30-35
  • 2.6.1 标准粒子滤波算法流程31
  • 2.6.2 Camshift 算法流程31-32
  • 2.6.3 实验结果比较32-35
  • 2.7 本章小结35-36
  • 第三章 标准粒子滤波算法的改进36-44
  • 3.1 引言36-37
  • 3.2 基于核的空间颜色直方图37-38
  • 3.3 梯度方向直方图38-40
  • 3.4 多特征自适应融合40-42
  • 3.5 模板更新42-43
  • 3.6 本章小结43-44
  • 第四章 遮挡情况下的粒子滤波跟踪算法44-54
  • 4.1 引言44-46
  • 4.2 混合运动模型46-47
  • 4.3 遮挡时刻判断47
  • 4.4 基于分块的跟踪算法47-49
  • 4.4.1 子块的划分48
  • 4.4.2 子块的表决48-49
  • 4.5 仿真实验49-53
  • 4.6 本章小结53-54
  • 第五章 基于粒子滤波的多目标跟踪54-69
  • 5.1 引言54-55
  • 5.2 视觉背景提取算法及改进55-59
  • 5.2.1 视觉背景提取算法55-57
  • 5.2.2 视觉背景提取算法的改进57-59
  • 5.3 基于推理的关联算法59-61
  • 5.4 仿真实验61-68
  • 5.4.1 背景检测仿真实验61-64
  • 5.4.2 基于粒子滤波多目标仿真实验64-68
  • 5.5 本章小结68-69
  • 总结与展望69-71
  • 参考文献71-75
  • 攻读硕士学位期间取得的研究成果75-76
  • 致谢76-77
  • 答辩委员会对论文的评定意见77

【参考文献】

中国期刊全文数据库 前2条

1 侯志强;韩崇昭;;视觉跟踪技术综述[J];自动化学报;2006年04期

2 沈志熙;杨欣;黄席樾;;均值漂移算法中的目标模型更新方法研究[J];自动化学报;2009年05期

中国博士学位论文全文数据库 前3条

1 罗飞腾;目标跟踪的粒子滤波技术研究[D];中国科学技术大学;2010年

2 牛长锋;复杂背景下视频运动目标跟踪的研究[D];北京理工大学;2010年

3 王玉茹;基于粒子滤波器的视频目标跟踪关键技术及其应用研究[D];哈尔滨工业大学;2010年

中国硕士学位论文全文数据库 前2条

1 王健;基于Adaboost检测和相关向量机回归预测的多目标跟踪算法研究[D];华南理工大学;2011年

2 廖雪超;基于粒子滤波和背景建模的多目标跟踪技术的研究和实现[D];武汉科技大学;2006年



本文编号:919100

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/wltx/919100.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户a4a7f***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com