基于特征融合與二級(jí)粒子濾波的目標(biāo)跟蹤方法研究.pdf

1、視頻目標(biāo)跟蹤旨在模擬人類視覺運(yùn)動(dòng)感知功能,是視頻分析和理解的基礎(chǔ)，廣泛應(yīng)用于智能視頻監(jiān)控、智能交通、人機(jī)交互、軍事等領(lǐng)域。在復(fù)雜環(huán)境中跟蹤目標(biāo)時(shí)，采用單一特征的跟蹤算法往往很難魯棒和準(zhǔn)確地跟蹤目標(biāo)，采用多特征融合的跟蹤策略是較好的解決手段。當(dāng)前的特征融合的基本方法有乘性融合、加性融合和分層融合。乘性融合容易實(shí)現(xiàn)、效果較好，但抗噪能力較差；加性融合抗噪能力較強(qiáng)，但融合效果不如乘性融合；分層融合因其先驗(yàn)知識(shí)模糊且特征使用順序固化的原因而限制

2、了其應(yīng)用。另外，多特征融合的跟蹤策略大大增加了計(jì)算量，使跟蹤的實(shí)時(shí)性難以得到保證。針對(duì)這些問題，本文提出了一種基于二級(jí)粒子濾波的多特征融合目標(biāo)跟蹤方法和一種改進(jìn)的自適應(yīng)粒子濾波方法。
　　本文以粒子濾波算法為框架，選取顏色特征和紋理特征作為融合特征對(duì)目標(biāo)進(jìn)行建模，展開多特征融合目標(biāo)跟蹤方法的研究。研究?jī)?nèi)容包括粒子濾波算法及其在視頻目標(biāo)跟蹤中的應(yīng)用、多特征融合策略的改進(jìn)和自適應(yīng)粒子濾波方法。具體工作如下：
　　1.詳細(xì)介紹了粒

3、子濾波算法的基本理論，總結(jié)了粒子濾波方法的一般步驟。首先建立目標(biāo)狀態(tài)模型、狀態(tài)轉(zhuǎn)移模型和似然觀測(cè)模型；然后從目標(biāo)狀態(tài)初始概率函數(shù)中隨機(jī)采樣得到初始粒子集，通過狀態(tài)轉(zhuǎn)移模型對(duì)粒子進(jìn)行傳播(預(yù)測(cè))，并根據(jù)似然觀測(cè)模型更新粒子權(quán)值，得到能近似表示目標(biāo)狀態(tài)后驗(yàn)概率的粒子集；最后可根據(jù)最小均方誤差估計(jì)(MMSE)或最大后驗(yàn)概率估計(jì)(MAP)方法，將條件均值或者具有最大后驗(yàn)概率密度的狀態(tài)作為目標(biāo)狀態(tài)的最終估計(jì)值。通過遞推進(jìn)行預(yù)測(cè)和權(quán)值更新過程，完成

4、視頻目標(biāo)跟蹤任務(wù)。
　　2.針對(duì)單一特征粒子濾波跟蹤方法在復(fù)雜環(huán)境中魯棒性和準(zhǔn)確性較差的問題，提出了一種基于二級(jí)粒子濾波框架的多特征融合目標(biāo)跟蹤方法。該方法結(jié)合了分層融合與加性融合，將目標(biāo)跟蹤分為兩步：在第一階段，自適應(yīng)地使用上一幀圖像跟蹤效果最好的特征進(jìn)行一次單一特征粒子濾波，獲得目標(biāo)粗略狀態(tài)；在第二階段，對(duì)第一次粒子濾波產(chǎn)生的粒子集進(jìn)行重采樣，進(jìn)行一次多特征自適應(yīng)權(quán)值加性融合粒子濾波跟蹤，得到目標(biāo)的精確狀態(tài)。通過與單一特征和其

5、他融合方法的對(duì)比實(shí)驗(yàn)，表明該方法在跟蹤的魯棒性和準(zhǔn)確性上都有較大提高。
　　3.針對(duì)多特征融合目標(biāo)跟蹤方法計(jì)算量大、實(shí)時(shí)性差的問題，提出了一種改進(jìn)的自適應(yīng)粒子濾波算法，通過KL距離衡量粒子集的冗余度，并據(jù)此調(diào)整粒子數(shù)目和位置噪聲方差；為了保證似然函數(shù)的準(zhǔn)確性，將簡(jiǎn)化的EMD(Earth Mover’s distance))引入視頻目標(biāo)跟蹤。最后，使用標(biāo)準(zhǔn)測(cè)試圖像序列進(jìn)行了對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，改進(jìn)后的自適應(yīng)算法不僅能魯棒地跟蹤目