基于粒子濾波和背景建模的多目標(biāo)跟蹤技術(shù)的研究和實現(xiàn).pdf

1、多目標(biāo)跟蹤技術(shù)是計算機視覺研究領(lǐng)域中最活躍的研究課題之一。隨著現(xiàn)代計算機和信息技術(shù)的飛速發(fā)展及圖形識別算法的革命性改進，多目標(biāo)的實時追蹤技術(shù)脫穎而出，在軍事國防、交通監(jiān)視、天文預(yù)測、智能監(jiān)控等領(lǐng)域有著非常重要的實用價值。 粒子濾波作為一種基于貝葉斯估計的非線性濾波算法，在處理非線性運動目標(biāo)跟蹤問題方面有獨到的優(yōu)勢。但粒子濾波的框架中并沒有包含數(shù)據(jù)關(guān)聯(lián)的機制，當(dāng)對多個目標(biāo)進行跟蹤，目標(biāo)數(shù)發(fā)生變化或目標(biāo)相互遮擋時，會出現(xiàn)跟蹤目標(biāo)的丟

2、失。此外，多個目標(biāo)之間的干擾也會影響跟蹤的準確性。 本文在應(yīng)用粒子濾波進行目標(biāo)跟蹤的基礎(chǔ)上，提出了將粒子濾波和背景建模相結(jié)合來處理多目標(biāo)跟蹤問題的技術(shù)框架，將多目標(biāo)跟蹤分為背景建模、多目標(biāo)跟蹤、初始化、重新初始化和粒子濾波五個模塊。本文的研究成果如下： 使用高斯混合模型(GMM)對圖像的每個像素進行建模，來計算當(dāng)前圖像中屬于背景像素的概率，從而提取出前景運動目標(biāo)。在處理前景目標(biāo)的陰影問題時，為了克服了圖像局部或整體的光照

3、變化的影響，通過建立亮度變化和色度變化的彩色模型，來區(qū)分陰影背景、高亮背景、普通背景及前景目標(biāo)，然后自動選擇閾值對圖像的像素點進行分類。實驗表明，該算法能夠較好的區(qū)分前景目標(biāo)及其產(chǎn)生的陰影，從而提高后續(xù)跟蹤算法的效率。 在背景建模的基礎(chǔ)上，詳細研究了對每個目標(biāo)生成其粒子集，進行粒子濾波的算法流程及技術(shù)框架，實現(xiàn)了3種粒子重采樣算法(替換選擇算法、線性時間算法和權(quán)值函數(shù)算法)。在評價粒子權(quán)值時，為了較好的區(qū)分目標(biāo)之間的顏色特征，對