基于人類視覺機(jī)制的自適應(yīng)粒子濾波目標(biāo)跟蹤研究.pdf

1、目標(biāo)跟蹤作為計(jì)算機(jī)視覺領(lǐng)域的核心課題之一，旨在研究視頻序列中運(yùn)動(dòng)目標(biāo)的跟蹤問題，是視頻分析和理解的基礎(chǔ)。它融合了人工智能、模式識(shí)別、圖像處理、自動(dòng)控制以及計(jì)算機(jī)等多學(xué)科知識(shí)，廣泛應(yīng)用于智能視頻監(jiān)控、醫(yī)療診斷、機(jī)器人視覺、軍事等多個(gè)領(lǐng)域，有著非常重要的科學(xué)價(jià)值和廣闊的應(yīng)用前景。
　　確定性方法和概率方法是兩類主要的目標(biāo)跟蹤方法，粒子濾波跟蹤算法作為典型的概率跟蹤方法，以其良好的跟蹤性能、較強(qiáng)的跟蹤魯棒性，擺脫了傳統(tǒng)方法解決非線性問題

2、所采用的隨機(jī)量必須滿足高斯分布的約束，廣泛應(yīng)用于目標(biāo)跟蹤領(lǐng)域。
　　隨著運(yùn)動(dòng)目標(biāo)狀態(tài)的變化，目標(biāo)特征受到復(fù)雜背景、光照變化、目標(biāo)尺度、姿態(tài)變化等諸多因素的影響也會(huì)發(fā)生變化，因此，利用單一特征難以實(shí)現(xiàn)復(fù)雜背景環(huán)境下目標(biāo)多種運(yùn)動(dòng)狀態(tài)的準(zhǔn)確表示，導(dǎo)致跟蹤精度較低，跟蹤魯棒性差。針對(duì)此類問題，以多種特征信息之間的互補(bǔ)為出發(fā)點(diǎn)，結(jié)合粒子濾波，本文提出了一種基于自適應(yīng)特征融合的目標(biāo)跟蹤算法，該算法相對(duì)于傳統(tǒng)基于單一特征目標(biāo)跟蹤算法具有較高的跟

3、蹤精度和較強(qiáng)的跟蹤魯棒性，但是由于它需要分別計(jì)算目標(biāo)多種特征，增大了算法的計(jì)算量，跟蹤的實(shí)時(shí)性難以得到保證。為了解決此類問題，基于人類視覺的智能性特點(diǎn)，模擬人類視覺在跟蹤目標(biāo)過程中的學(xué)習(xí)性和記憶性，結(jié)合粒子濾波算法，提出一種基于人類視覺機(jī)制的目標(biāo)跟蹤算法。主要的研究內(nèi)容包括:
　　1.基于貝葉斯估計(jì)理論對(duì)目標(biāo)跟蹤問題進(jìn)行描述，引出蒙特卡羅粒子濾波方法，詳細(xì)介紹了重要性采樣、序貫重要性采樣以及粒子退化問題，分析粒子退化的原因以及對(duì)算

4、法的影響，給出了粒子退化程度的衡量標(biāo)準(zhǔn)，總結(jié)了經(jīng)典粒子濾波算法。
　　2.針對(duì)利用單一特征難以實(shí)現(xiàn)復(fù)雜背景環(huán)境下目標(biāo)多種運(yùn)動(dòng)狀態(tài)準(zhǔn)確表示的問題，基于多種特征的適應(yīng)性場景不同，利用特征信息之間的優(yōu)勢(shì)互補(bǔ)，采用自適應(yīng)特征融合方法，融合多種目標(biāo)特征，避免單一特征的局限性，根據(jù)特征可信度給不同特征分配不同的權(quán)重，提高可靠信息的利用率，降低不確定信息的影響，結(jié)合粒子濾波算法，實(shí)現(xiàn)對(duì)目標(biāo)的穩(wěn)定跟蹤。通過多組對(duì)比實(shí)驗(yàn)，驗(yàn)證了該算法具有較好的跟蹤