復雜背景下運動汽車跟蹤算法研究.pdf

1、作為智能交通系統(tǒng)的一項關鍵技術,運動汽車跟蹤已成為計算機視覺領域一項充滿活力的研究課題。如何充分發(fā)揮運動汽車跟蹤技術的優(yōu)勢,盡可能提高車輛跟蹤性能,逐漸成為近年來的研究熱點。然而,該研究方向仍處于較為初級的階段,在實際應用中存在諸多困難。首先,當運動汽車跟蹤被用在交通監(jiān)控及交通管理領域時,要求對視頻序列圖像進行實時處理,但限于現(xiàn)有計算機軟件硬件水平,要求實時跟蹤算法的計算復雜度不能太高;其次,交通場景具有多樣性和復雜性,處理算法需要兼顧

2、多種因素,現(xiàn)有算法過于簡單,在實際應用場景中不能達到理想效果。因此,如何實現(xiàn)復雜背景條件下運動汽車的穩(wěn)健跟蹤就成為一項更具現(xiàn)實意義和挑戰(zhàn)性的研究課題。
　　 本文針對復雜背景下運動汽車的跟蹤問題,對當前目標跟蹤算法進行了深入研究,詳細論述了基于粒子濾波的跟蹤、基于Snake模型的跟蹤和基于特征的跟蹤等重要算法。在分析這些算法對復雜背景處理優(yōu)缺點的基礎上,對其對復雜背景的處理性能進行了合理有效的改進。主要研究內(nèi)容如下：⑴綜合分析了

3、標準粒子濾波和幾何主動輪廓模型,針對粒子濾波算法粒子更新過程嚴格依賴于參數(shù)的選取,且不能處理曲線拓撲結構的變化的缺點,提出基于幾何主動輪廓模型的粒子濾波算法,將幾何主動輪廓模型與粒子濾波的優(yōu)點結合起來,利用水平集技術處理目標輪廓曲線拓撲結構的變化,改進重采樣技術,增加描述目標觀測的可靠性。⑵針對復雜場景下,單一信息源的跟蹤不穩(wěn)定問題,提出了基于多線索的分層重采樣粒子濾波算法。以粒子濾波為跟蹤框架,將運動特征和輪廓特征兩種線索相結合,用運