基于改進的粒子濾波算法在視頻目標跟蹤中的研究.pdf

1、分類號——UDC密級學(xué)校代碼武潷理歹大浮10497學(xué)位論文中文題目塞王叢墊鮑鱉主連逵差鎏奎擔塑旦鲞堡鑒主絲盟寇一英文＆墨曼煎魚Q￡魚鯉墅塹塹塾gi塾塹魚盟旦箜鯉Q塾逝題目!蛩墮p至QY曼亟￡墾墅叵g!曼至i!童墮作者姓名筮藎姓名型溘職稱整撞學(xué)位譴指導(dǎo)教師單位名稱自邈垡堂瞳郵編壘三QQ魚圣申請學(xué)位級別論文提交日期學(xué)位授予單答辯委員會碩士201142011年5月％^；；爭爹武漢理工大學(xué)碩十學(xué)位論文摘要在非線性濾波領(lǐng)域，粒子濾波算法在繼傳統(tǒng)的

2、擴展卡爾曼濾波算法和無跡卡爾曼濾波算法之后開始得到人們的重視，并廣泛應(yīng)用于目標跟蹤、導(dǎo)航制導(dǎo)與控制、圖像處理及故障檢測等領(lǐng)域。粒子濾波是一種基于蒙特卡洛模擬實現(xiàn)遞推貝葉斯濾波的技術(shù)，利用在狀態(tài)空間中傳遞的隨機樣本，對狀態(tài)后驗概率密度函數(shù)進行近似，并根據(jù)蒙特卡羅估計原理估計狀態(tài)值。本質(zhì)上適用于任何非高斯及非線性的情況，但是由于粒子濾波是近幾年剛剛出現(xiàn)的一種新算法，算法本身還不太成熟，存在著一些固有的缺陷，如粒子退化問題和計算量大和實時性差

3、等問題。本論文圍繞傳統(tǒng)粒子濾波算法的上述兩個缺陷，研究對粒子濾波算法的改進算法，主要研究工作包括：1)研究和實現(xiàn)了基本粒子濾波算法在目標跟蹤中的應(yīng)用。闡述了粒子濾波算法的基本理論知識、重要性函數(shù)和重采樣技術(shù)，詳細敘述了粒子濾波的算法流程，初步形成了粒子濾波算法的理論框架，并在這一理論框架下，將粒子濾波的基本算法應(yīng)用于視頻目標跟蹤，實現(xiàn)了基于粒子濾波算法的目標跟蹤。2)研究了K均值聚類算法的基本理論知識，同時針對本課題的實際情況，對該算法

4、進行了相應(yīng)的改進，并將改進后的K均值算法應(yīng)用于對最初采樣的粒子集進行聚類，將Ⅳ個粒子分配到K個聚類中心上去，為后續(xù)的計算打下基礎(chǔ)。3)將不變矩算法引入到粒子的選取中去，它通過選擇與上一幀目標位置最接近的三個聚類中心進行不變矩匹配，選擇其中與目標模塊最接近的那一個聚類中心所對應(yīng)的粒子集進行后續(xù)的粒子濾波跟蹤運算，這樣保證了所選的粒子都在目標周圍，使所選的每個粒子都能很好的反應(yīng)目標的位置信息，這樣就避免了粒子退化問題的產(chǎn)生，因為只選擇其中與