彩色圖象序列中基于貝葉斯濾波的目標跟蹤.pdf

1、彩色目標跟蹤是目前機器視覺研究領域的熱點問題，廣泛應用于視覺監(jiān)控，機器人視覺技術以及數(shù)字醫(yī)療等諸多領域。本文以遞歸貝葉斯濾波為理論基礎，討論了彩色圖象序列中的動態(tài)目標跟蹤問題。圍繞貝葉斯視覺跟蹤過程中的前景觀測和濾波方法兩大關鍵技術展開理論和應用研究，結合不同的前景觀測模型提出實時、魯棒的跟蹤方法，旨在實現(xiàn)全自主移動機器人在不同環(huán)境下的跟蹤任務。 本文首先以色度學基礎和顏色模型的表示方法為切入點，詳細討論了前景觀測中象素分類和目

2、標區(qū)域分割兩個基本步驟。從實時性和實用性的角度出發(fā)，對不同環(huán)境、不同顏色空間下基于恒定閾值法的象素分類結果進行比較。同時針對簡單和復雜環(huán)境分別提出不同的區(qū)域分割方法，并完成實驗驗證。 以馬爾可夫假設和貝葉斯公式為基礎，構建出遞歸貝葉斯跟蹤的一般表達形式，并對其三種較為常用的實現(xiàn)方法進行詳細的介紹。為滿足機器人足球比賽對目標跟蹤實時性的要求，本文將卡爾曼濾波與搜索窗更新方法相結合，實現(xiàn)了基于SmartROB-2中型自主移動機器人平

3、臺的彩色目標球跟蹤。由于采用圖象局部分割代替了全局搜索，大大節(jié)省算法的運算時間，并提高了跟蹤準確性。 針對非高斯觀測環(huán)境下的彩色目標跟蹤問題，本文提出一種混合粒子濾波跟蹤算法，利用粒子濾波和卡爾曼濾波分別對目標狀態(tài)的位置以及形狀分量進行處理，并利用二者之間的數(shù)據(jù)融合來實現(xiàn)各自的狀態(tài)更新。基于Mahalanobis準則和最小Euclidian距離思想，提出獲得粒子最小不確定性觀測的方法，實現(xiàn)了前景觀測與粒子預估觀測之間的最優(yōu)匹配。

4、該算法能夠有效解決粒子濾波在處理高維跟蹤時計算負擔過重問題，同時克服了卡爾曼濾波存在高斯約束的不足，具有一定創(chuàng)新性，并在應用中取得良好效果。 為了使跟蹤方法對目標的旋轉、形變以及顏色非單一等各種復雜情況具有較強魯棒性，本文結合粒子濾波技術提出一種基于加權顏色直方圖的目標跟蹤方法。將目標的加權顏色直方圖作為目標的顏色模型，并利用Bhattacharyya距離描述粒子與目標顏色模型的相似性，為粒子權值更新提供有力依據(jù)。在此基礎上，本