基于粒子濾波的復雜背景下的目標跟蹤方法研究.pdf

1、視頻目標跟蹤是一門融合了模式識別、圖像處理、濾波理論、概率論及隨機過程等多學科的復雜課題。其作為計算機視覺領域的核心技術，已經廣泛應用于軍事、工業(yè)和民用等各個領域。視頻目標跟蹤雖然經過眾多學者的研究，取得了一定的成果，但總不能滿足人們更高層次的要求。
　　 本文針對復雜背景下，目標被遮擋時傳統(tǒng)跟蹤方法無法實現(xiàn)準確跟蹤的問題，在對傳統(tǒng)跟蹤方法研究的基礎上，采用智能算法與粒子濾波相結合的方法來優(yōu)化跟蹤算法，并建立多特征融合的觀測模型

2、，克服復雜背景下目標被部分遮擋的問題。本文的主要工作包括以下兩個方面：
　　 (1)針對粒子濾波自身存在的粒子退化和粒子匱乏問題，提出了一種基于混沌改進的粒子群優(yōu)化粒子濾波算法。通過粒子群優(yōu)化算法，驅動粒子向高似然域移動，并通過混沌擾動與搜索使粒子群優(yōu)化的粒子濾波適時的跳出局部最優(yōu)，找出全局最優(yōu)位置，使粒子向全局最優(yōu)位置靠近，從而增加有效估計粒子數目，提高粒子多樣性，抑制粒子退化和匱乏問題。仿真結果表明：與常規(guī)的粒子濾波算法和傳

3、統(tǒng)的粒子群優(yōu)化粒子濾波算法相比，本文提出的基于混沌的粒子群優(yōu)化粒子濾波算法在估計精度上有顯著的提高。
　　 (2)針對復雜背景下，提取目標單一特征無法較完整的刻畫目標所導致的難以準確跟蹤的問題和當目標物被遮擋時跟蹤失敗的問題，本文提出了一種多特征融合的粒子濾波算法。通過提取目標的顏色和紋理特征建立融合的觀測模型，克服復雜背景下難以準確跟蹤目標的問題；自適應的確定動態(tài)系統(tǒng)噪聲方差，增大粒子活動范圍，克服目標被部分遮擋時目標丟失的問