基于改進(jìn)粒子濾波器目標(biāo)跟蹤算法的研究.pdf

1、目標(biāo)跟蹤被廣泛應(yīng)用于視頻監(jiān)控、安防系統(tǒng)、智能交通系統(tǒng)及機(jī)器人技術(shù)等領(lǐng)域，是一些需要確定目標(biāo)位置、運(yùn)動和身份等智能系統(tǒng)的核心組成部分，可以說是一個非常棘手而富有挑戰(zhàn)性的課題。由于實際應(yīng)用中存在諸如攝像頭運(yùn)動、目標(biāo)不穩(wěn)定、背景復(fù)雜以及其他相似移動物體等的困難的情況，人們很難找到一個廣泛適用的魯棒性高的跟蹤算法。四十多年前，卡爾曼先生提出了卡爾曼濾波算法，它簡單而便于實現(xiàn)，是解決線性高斯環(huán)境下的問題的最佳方法。近年來由于技術(shù)的發(fā)展和應(yīng)用的需要

2、，出現(xiàn)了一個研究非線性非高斯環(huán)境下濾波算法的高潮。
　　 本文首先介紹了近年來常見的一些目標(biāo)跟蹤濾波算法――卡爾曼濾波器（Kalman filter, KF）、擴(kuò)展卡爾曼濾波器（Extended Kalman filter, EKF），無敏卡爾曼濾波器（Unscented Kalman filter, UKF），粒子濾波器（Particle filter, PF）。KF簡單而優(yōu)雅，是線性高斯環(huán)境下的最佳遞歸貝葉斯濾波器。EKF利

3、用泰勒級數(shù)方法，將非線性問題轉(zhuǎn)化到線性空間，再利用卡爾曼濾波器進(jìn)行估計濾波，并達(dá)到一階估計精度。UKF通過固定樣本集達(dá)到對狀態(tài)概率分布的近似，在精度和計算量上較之EKF優(yōu)秀，但它是利用高斯分布來逼近系統(tǒng)狀態(tài)的后驗概率密度，在復(fù)雜的環(huán)境中表現(xiàn)差。PF是一種采用蒙特卡羅采樣的貝葉斯濾波方法，它將復(fù)雜的目標(biāo)狀態(tài)分布表示為一組加權(quán)值（稱為粒子），通過尋找在粒子濾波分布中最大權(quán)重的粒子來確定目標(biāo)最可能所處的狀態(tài)分布，已成為復(fù)雜環(huán)境下進(jìn)行目標(biāo)跟蹤的

4、最好的方法。本論文通過量測非線性模型（正切）的對比實驗，證明了PF在非線性環(huán)境下有著最優(yōu)異表現(xiàn)，UKF表現(xiàn)較之EKF優(yōu)異，而EKF優(yōu)于KF，與理論分析的結(jié)果一致。
　　 在目標(biāo)跟蹤系統(tǒng)中選取描述目標(biāo)的特征是一個棘手的問題，使用更多的描述目標(biāo)的特征可以有效提高跟蹤的準(zhǔn)確性，但會增加計算機(jī)的計算量和計算時間，只能取實時性和準(zhǔn)確性的折衷。目標(biāo)顏色直方圖特征具有穩(wěn)定性高、計算量較小的特點(diǎn)，已成為主流的描述目標(biāo)的特征。描述目標(biāo)顏色特征的顏

5、色空間有很多種，本文介紹了常見的RGB空間、CMYK空間、HSV空間。其中HSV空間更符合人眼感知色彩的方式，此空間模型具有線性伸縮性良好，色差與顏色分量在相應(yīng)值上的歐幾里德距離成比例等優(yōu)點(diǎn)。但單一的顏色直方圖特征對背景光照變化敏感，而且當(dāng)有相似顏色干擾信息時，跟蹤的準(zhǔn)確性大大降低。而目標(biāo)的結(jié)構(gòu)性特征主要有矩特征，矩特征具有平移、旋轉(zhuǎn)、尺度等不變特性，被廣泛應(yīng)用在圖像匹配、姿態(tài)識別等領(lǐng)域。
　　 本文結(jié)合粒子濾波算法提出一種基于