基于粒子濾波的復(fù)雜場景下目標(biāo)跟蹤.pdf

1、運(yùn)動目標(biāo)跟蹤是機(jī)器視覺領(lǐng)域的重點研究課題。它被廣泛應(yīng)用于安全監(jiān)控、軍事制導(dǎo)、醫(yī)療診斷、人機(jī)交互、機(jī)器人視覺導(dǎo)航等許多領(lǐng)域。目標(biāo)跟蹤的研究目的是使計算機(jī)能夠在視頻中識別并且跟蹤感興趣目標(biāo)，為目標(biāo)行為判讀提供數(shù)據(jù)。雖然國內(nèi)外學(xué)者對跟蹤算法進(jìn)行了深入的研究，并且提出了多種跟蹤方法。但由于目標(biāo)形狀變化、目標(biāo)所處環(huán)境復(fù)雜等多方面因素的影響，魯棒性、穩(wěn)定性、實時性一直是目標(biāo)跟蹤研究的難點問題。本文主要工作內(nèi)容如下:
　　 在運(yùn)動目標(biāo)檢測方面

2、，介紹了目標(biāo)檢測的常用方法，并重點介紹了對稱差分法和邊緣檢測算法以及相關(guān)的三種邊緣檢測算子，分析了各自的優(yōu)缺點，在此基礎(chǔ)上設(shè)計了一種基于Sobel算子的邊緣檢測和對稱差分相結(jié)合的算法，該算法綜合運(yùn)用了對稱差分法和Sobel邊緣檢測算法的優(yōu)點，能夠準(zhǔn)確可靠的對運(yùn)動目標(biāo)進(jìn)行檢測，通過實驗分析，證明了該算法的魯棒性。
　　 在運(yùn)動目標(biāo)跟蹤方面，對于粒子濾波算法存在的粒子匱乏現(xiàn)象和普通重采樣導(dǎo)致粒子多樣性缺失的問題，采用了一種基于遺傳優(yōu)

3、化的重采樣改進(jìn)策略。不但解決了粒子退化問題，而且保持了粒子集的多樣性，提高了粒子集描述目標(biāo)的能力。
　　 針對復(fù)雜環(huán)境下的運(yùn)動目標(biāo)跟蹤，提出了一種在粒子濾波框架下融合目標(biāo)顏色特征和快速魯棒特征(SURF)進(jìn)行跟蹤的算法。采用粒子濾波搜索候選目標(biāo)的位置，縮小搜索范圍提高了跟蹤算法效率。采用擴(kuò)展的SURF描述符對目標(biāo)建模，既保留了SURF對圖像縮放、旋轉(zhuǎn)甚至仿射變換保持不變的良好特性，又利用了圖像的色彩信息，彌補(bǔ)了SURF只利用圖像