證據(jù)沖突下自適應(yīng)融合規(guī)則及在視頻跟蹤中的應(yīng)用研究.pdf

1、目前，視頻跟蹤技術(shù)已經(jīng)廣泛應(yīng)用，但是仍面臨很多挑戰(zhàn)，如目標(biāo)與背景對比度差，運(yùn)動目標(biāo)姿態(tài)的改變，背景中的噪聲和干擾等，導(dǎo)致跟蹤的魯棒性差。使用單一的特征通常難以魯棒地跟蹤目標(biāo)，甚至跟丟，因此，融合多特征，充分利用多個特征的互補(bǔ)和冗余信息是解決這一問題的有效手段。而在信息融合算法中，D-S證據(jù)理論作為一種不確定非精確推理的算法，不需要先驗信息，適于解決多源信息中的不確定信息，實現(xiàn)冗余信息和互補(bǔ)信息的有效融合，在故障診斷、目標(biāo)識別、決策支持等

2、領(lǐng)域得到廣泛的應(yīng)用。
　　本文針對D-S證據(jù)理論及融合算法進(jìn)行分析和研究，提出了一種新的自適應(yīng)融合算法，并將新的融合算法在視頻跟蹤中進(jìn)行應(yīng)用。主要研究內(nèi)容包括：
　?。?）研究高沖突證據(jù)的有效融合問題。通過將傳統(tǒng)的沖突系數(shù)和余弦距離相結(jié)合，提出新的衡量沖突的系數(shù)；在此基礎(chǔ)上，提出一種基于 K-L距離修正證據(jù)源的組合方法。該方法首先定義了新的沖突系數(shù)，以此來判斷證據(jù)是否屬于高沖突，然后從證據(jù)之間的差異性出發(fā)，定義具有不對稱性的

3、 K-L距離來反映證據(jù)距離，以此作為權(quán)重來修正證據(jù)源，最后利用Dempster組合規(guī)則對修改后的證據(jù)源進(jìn)行融合。該方法能夠有效地處理高沖突證據(jù)，得到較好的融合結(jié)果。
　?。?）研究基于沖突程度的自適應(yīng)融合方法。傳統(tǒng)證據(jù)理論在融合低沖突證據(jù)時具有較好的準(zhǔn)確性且計算量較??；而 DSmT算法在處理高沖突、不確定性的證據(jù)時具有優(yōu)勢，因此提出一種基于沖突程度的自適應(yīng)融合方法。該方法首先定義了沖突系數(shù)以及判斷閾值，而后從不確定性角度出發(fā)，利用

4、不確定度對DSmT融合模型進(jìn)行折扣，再通過 PCR5組合規(guī)則進(jìn)行融合。在此基礎(chǔ)之上，建立自適應(yīng)融合框架，將傳統(tǒng)證據(jù)理論與改進(jìn)后的 DSmT算法自適應(yīng)切換。該方法能夠處理各種沖突情況，并且在高沖突情況下，由于對不確定性進(jìn)行了處理，使得證據(jù)有利于決策。
　?。?）研究基于證據(jù)理論的自適應(yīng)融合規(guī)則在視頻目標(biāo)跟蹤中的應(yīng)用。在粒子濾波框架內(nèi)建立融合模型，通過該模型將視頻的特征權(quán)值映射為證據(jù)的 BPA值，再利用上述改進(jìn)的組合規(guī)則對其進(jìn)行融合。