粒子濾波算法及其在目標(biāo)跟蹤中的應(yīng)用研究.pdf

1、　　目標(biāo)跟蹤在視頻監(jiān)控、智能交通、機(jī)器人視覺導(dǎo)航及人機(jī)交互等多個(gè)領(lǐng)域都有著廣泛的應(yīng)用，已成為計(jì)算機(jī)視覺研究中的熱點(diǎn)課題。跟蹤算法是整個(gè)目標(biāo)跟蹤系統(tǒng)的關(guān)鍵，影響跟蹤效果的準(zhǔn)確性、實(shí)時(shí)性以及魯棒性。近年來(lái)發(fā)展起來(lái)的粒子濾波是一種通過(guò)使用非參數(shù)化的蒙特卡羅方法來(lái)實(shí)現(xiàn)遞推貝葉斯估計(jì)的濾波方法。由于其在解決非線性非高斯系統(tǒng)的狀態(tài)濾波問(wèn)題上具有獨(dú)特優(yōu)勢(shì)，因此粒子濾波在目標(biāo)跟蹤領(lǐng)域得到了廣泛的應(yīng)用。
　　為了提高粒子濾波算法的準(zhǔn)確性，進(jìn)而為

2、科學(xué)研究和工程應(yīng)用提供理論和算法支持，針對(duì)由于粒子退化和貧化而導(dǎo)致的濾波精度降低問(wèn)題，本文提出了改進(jìn)的粒子濾波算法。將智能優(yōu)化思想引入到粒子濾波中，提升樣本集中每個(gè)粒子的作用效果。并將改進(jìn)后的算法應(yīng)用到目標(biāo)跟蹤中。本文的主要研究成果如下：
　　第一、針對(duì)粒子濾波算法中由于粒子退化和貧化而導(dǎo)致的濾波精度降低問(wèn)題，提出了一種基于人工魚群優(yōu)化的擴(kuò)展卡爾曼粒子濾波算法。首先利用人工魚群算法對(duì)采樣過(guò)程進(jìn)行優(yōu)化，使得粒子不斷地朝高似然域移

3、動(dòng)來(lái)尋找最優(yōu)位置，從而改善樣本分布，加速樣本集的收斂，緩解了退化現(xiàn)象；然后對(duì)重采樣過(guò)程進(jìn)行優(yōu)化，以提升樣本的多樣性，從而克服了粒子樣本貧化問(wèn)題。仿真實(shí)驗(yàn)表明，改進(jìn)后算法提高了對(duì)系統(tǒng)狀態(tài)的預(yù)估精度，更適合在對(duì)精度要求高的系統(tǒng)中進(jìn)行濾波計(jì)算。
　　第二、本文研究了粒子濾波算法在視頻目標(biāo)跟蹤領(lǐng)域的應(yīng)用。采用顏色特征描述運(yùn)動(dòng)目標(biāo)，結(jié)合目標(biāo)的運(yùn)動(dòng)特性進(jìn)行建模，將本文提出的算法應(yīng)用于目標(biāo)跟蹤中。由于改進(jìn)后算法可以改善樣本分布，增加目標(biāo)狀態(tài)