基于粒子濾波器的智能目標(biāo)跟蹤算法研究.pdf

1、多目標(biāo)跟蹤技術(shù)作為計(jì)算機(jī)視覺領(lǐng)域中的一個研究熱點(diǎn)，在社會的各個領(lǐng)域都具有極其廣泛的應(yīng)用前景。與單目標(biāo)跟蹤技術(shù)相比，多目標(biāo)跟蹤技術(shù)仍需解決更多復(fù)雜的問題，包括多目標(biāo)實(shí)時檢測、目標(biāo)交叉或相互遮擋和實(shí)時目標(biāo)數(shù)目變化等。粒子濾波算法作為一種具有多模式搜索能力的非線性貝葉斯濾波器，能夠在非線性、非高斯空間內(nèi)尋找次優(yōu)解，為多目標(biāo)跟蹤技術(shù)的研究提供了一個新的視野。
　　因此，本文以粒子濾波算法為理論基礎(chǔ)，對多目標(biāo)跟蹤算法進(jìn)行了相關(guān)研究。針對目前

2、基于粒子濾波算法構(gòu)建的多目標(biāo)跟蹤系統(tǒng)中存在的缺陷，做出了相應(yīng)的改進(jìn)，并結(jié)合實(shí)際應(yīng)用的要求，提出了一種更有效的新智能多目標(biāo)跟蹤算法。
　　本文完成的工作內(nèi)容可分為三大部分:
　　首先，對粒子濾波算法理論及其在多目標(biāo)跟蹤技術(shù)上的應(yīng)用進(jìn)行了學(xué)習(xí)和研究。針對現(xiàn)有的粒子濾波多目標(biāo)跟蹤算法中存在的缺陷，提出相應(yīng)的改善方法，并以此構(gòu)建出一種智能多目標(biāo)跟蹤算法框架。
　　其次，針對多目標(biāo)檢測部分的優(yōu)化設(shè)計(jì)問題，本文采用一種HOG+級聯(lián)

3、Gentle Adaboost檢測方法來改善多目標(biāo)檢測的效果。通過實(shí)驗(yàn)驗(yàn)證了HOG特征在表征人體特征上的優(yōu)勢，以及Gentle Adaboost在行人檢測中展現(xiàn)出的較強(qiáng)穩(wěn)定性，兩者的結(jié)合提高了跟蹤系統(tǒng)的檢測精度。
　　最后，在跟蹤部分，對目標(biāo)運(yùn)動模型和似然模型進(jìn)行了優(yōu)化設(shè)計(jì)。針對單一特征在復(fù)雜跟蹤場景內(nèi)的局限性，提出一種結(jié)合分塊-積分直方圖和LBP特征的多特征融合策略來構(gòu)建本文算法中的目標(biāo)似然模型。
　　綜上，經(jīng)實(shí)驗(yàn)表明，本