学位论文 > 优秀研究生学位论文题录展示
基于粒子滤波的视频目标跟踪方法研究
作 者: 黄斌
导 师: 彭真明
学 校: 电子科技大学
专 业: 信号与信息处理
关键词: 贝叶斯滤波 粒子滤波 H_∞滤波 模板匹配 多特征融合 均值移位 目标跟踪
分类号: TP391.41
类 型: 硕士论文
年 份: 2008年
下 载: 685次
引 用: 9次
阅 读: 论文下载
内容摘要
视频运动目标跟踪是计算机视觉研究领域的重要课题之一,在视频监控、人机交互、机器人视觉导航以及智能交通控制中具有广泛的应用前景。近年来,粒子滤波方法被引入到了目标跟踪中,它为解决非线性、非高斯系统下的目标跟踪问题提供了一个有效的框架。粒子滤波是一种基于递推贝叶斯估计的统计仿真方法,它利用一组加权随机粒子样本来近似状态的后验概率密度函数。因此,整个基于粒子滤波的跟踪问题就是对状态向量的估计问题。本文针对复杂环境下单个视频目标的跟踪问题,开展了基于粒子滤波的跟踪方法研究。目标定义为灰度或彩色视频图像序列中快速机动的非刚性物体。对于灰度目标,主要研究了鲁棒观测模型的设计问题;对于彩色目标,则对目标快速移动、部分遮挡、旋转以及尺度缩放条件下的跟踪问题进行了重点研究。本文的主要研究成果如下:1.将H_∞滤波与粒子滤波相结合,提出了一种鲁棒H_∞粒子滤波新方法。对于系统以及噪声不确定性较小的情况,Kalman滤波具有较好的滤波性能,而在系统参数以及干扰噪声非确定较大的情况下,H_∞滤波则比Kalman滤波具有更优的预测性能。因此,将H_∞滤波与粒子滤波起来,用H_∞滤波的估计参数来建立新的建议分布,让粒子从该分布中采样来替代从转移概率密度中的采样,使粒子分布更接近真实目标。通过与标准粒子滤波相比较,该方法估计精度得到了有效的提升。2.针对灰度视频中的灰度目标的跟踪,本文提出了一种基于模板匹配的概率模板跟踪方法。该方法将经典的灰度相关匹配方法与粒子滤波方法相结合,采用MPC距离作为衡量模板间的相似性的度量,并用该MPC距离来构造粒子滤波的观测模型,进而对目标进行跟踪。该算法能够对短暂遮挡目标进行有效跟踪。3.针对复杂环境下的彩色目标跟踪,本文提出了一种稳定、可靠的,基于多特征融合的自适应均值移位粒子滤波算法。该算法不仅融合了颜色信息,而且还加入了纹理信息以及运动边缘信息。它利用三种特征构建粒子滤波的观测模型,自适应调节特征间的融合程度,构造最优的观测似然函数,再加入重采样步骤以防止粒子退化。在跟踪过程中,当目标出现遮挡时,滤波器只进预测,而停止粒子更新,只有当再次找到目标后,才进行更新;当出现快速运动的目标时,滤波器加入了均值移位重要性采样步骤来预测快速机动目标。同时,在状态向量中加入了两个分别表示x和y方向形变的尺度变量,以对形状发生变化的目标进行跟踪。实验结果表明,该算法比仅有单一特征的跟踪方法具有更高的鲁棒性。
|
全文目录
摘要 4-6 ABSTRACT 6-18 第一章 绪论 18-27 1.1 研究背景及意义 18 1.2 视频序列目标跟踪概述 18-21 1.2.1 视频目标跟踪的研究方法 20-21 1.2.2 视频目标跟踪的评价指标 21 1.3 粒子滤波算法概述 21-24 1.3.1 粒子滤波算法的研究方向 22-24 1.3.2 粒子滤波的应用领域与新发展 24 1.4 本文主要工作及创新点 24-27 1.4.1 本文的主要工作 24-25 1.4.2 本文的创新点 25-27 第二章 贝叶斯滤波基础理论 27-50 2.1 引言 27 2.2 贝叶斯滤波 27-33 2.2.1 状态空间模型 27-28 2.2.2 贝叶斯推理 28-29 2.2.3 递推贝叶斯滤波 29-31 2.2.4 系统状态估计方法 31-33 2.3 多模式切换动态系统 33-35 2.4 最优估计算法 35-39 2.4.1 卡尔曼滤波 35-37 2.4.2 网格滤波 37-38 2.4.3 Bene(?)和Daum 滤波 38-39 2.5 次优估计算法 39-49 2.5.1 扩展卡尔曼滤波 39-41 2.5.2 近似网格滤波 41-42 2.5.3 高斯和滤波 42-45 2.5.4 无迹卡尔曼滤波 45-49 2.6 本章小结 49-50 第三章 基于序贯蒙特卡罗方法的贝叶斯滤波 50-74 3.1 引言 50 3.2 粒子滤波理论基础 50-58 3.2.1 蒙特卡罗方法 50-51 3.2.2 贝叶斯重要性采样 51-52 3.2.3 序贯重要性采样 52-55 3.2.4 退化问题 55-56 3.2.5 重要性函数的选择 56-57 3.2.6 重采样 57-58 3.3 基本粒子滤波算法 58-62 3.4 常见粒子滤波改进算法 62-69 3.4.1 SIR 粒子滤波 63 3.4.2 辅助粒子滤波 63-65 3.4.3 正则粒子滤波 65-69 3.4.4 无迹粒子滤波 69 3.5 鲁棒H_∞粒子滤波新方法 69-70 3.6 本章小结 70-74 第四章 基于粒子滤波的目标跟踪算法仿真 74-95 4.1 引言 74 4.2 目标模型 74-77 4.2.1 运动模型 74-75 4.2.2 观测模型 75-76 4.2.3 噪声模型 76-77 4.3 基本粒子滤波算法仿真 77-79 4.4 基于粒子滤波的纯方位目标跟踪 79-86 4.5 闪烁噪声背景下粒子滤波跟踪性能仿真 86-89 4.6 粒子数目的对跟踪性能的影响 89 4.7 几种滤波器跟踪性能比较 89-94 4.8 本章小结 94-95 第五章 基于最大匹配像素统计的粒子滤波跟踪 95-109 5.1 引言 95 5.2 灰度相关特征描述 95-96 5.3 目标模型 96-98 5.3.1 运动模型 96-97 5.3.2 观测模型 97-98 5.4 算法流程 98-104 5.5 试验结果与分析 104-108 5.6 本章小结 108-109 第六章 基于多特征融合的自适应均值移位粒子滤波跟踪 109-132 6.1 引言 109 6.2 特征描述 109-115 6.2.1 颜色特征 109-112 6.2.2 纹理特征 112-114 6.2.3 运动边缘特征 114-115 6.3 目标模型 115-118 6.3.1 运动模型 115-116 6.3.2 观测模型 116-118 6.4 多特征融合及模板更新策略 118-119 6.5 均值移位重要性采样 119-120 6.6 算法流程 120-123 6.7 试验结果与分析 123-131 6.7.1 目标相互遮挡的情况 123-126 6.7.2 目标发生旋转的情况 126-127 6.7.3 目标发生形变的情况 127-128 6.7.4 光照发生变化的情况 128-130 6.7.5 目标快速机动的情况 130-131 6.8 本章小结 131-132 第七章 总结与展望 132-134 7.1 工作总结 132-133 7.2 研究展望 133-134 致谢 134-135 参考文献 135-141 攻读硕士期间取得的研究成果 141-142
|
相似论文
- 基于多Agent理论的卫星协同定轨技术研究,V474
- 基于LIN总线的电动车窗控制方法研究,U463.6
- 带径向速度观测的跟踪算法研究,TN953
- 基于VRPF的机动目标跟踪的研究,TN957.52
- 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
- 空间交会接近视觉测量方法研究,TP391.41
- 有标记点的人体三维运动数据获取方法的研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
- 红外图像目标识别及跟踪技术研究,TP391.41
- 空间红外目标仿真与跟踪技术研究,TP391.41
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 复杂场景中运动目标的检测与跟踪,TP391.41
- 基于支持向量机的视频目标检测方法研究,TP391.41
- 无线传感器网络的目标跟踪算法研究,TN929.5
- 基于主动视觉的运动目标检测与跟踪研究,TP391.41
- 驾驶员眼睛开闭状态计算机图像识别技术开发,TP391.41
- 基于鱼眼相机的运动物体检测和跟踪,TP391.41
- 跟踪印花系统视觉检测算法研究,TP391.41
- 基于支撑向量机与模板匹配的眼底图像分割,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|