基于概率假設(shè)密度濾波的圖像多目標(biāo)跟蹤與軌跡保持方法研究.pdf

1、視頻圖像中目標(biāo)檢測與跟蹤屬于機器視覺中的前端處理部分，通過對視頻圖像信息進(jìn)行處理，實現(xiàn)計算機能夠代替人眼進(jìn)行目標(biāo)的識別與跟蹤功能，一直是機器視覺和計算機視覺的最終目的。如何從圖像序列中獲取有用的信息作為科研人員的研究方向已成為視頻圖像中目標(biāo)檢測與跟蹤的理論基礎(chǔ)。視頻圖像目標(biāo)檢測與跟蹤已大量應(yīng)用于現(xiàn)實生活中的各種場景，在這些方面都顯示出對視頻圖像信息處理的重要應(yīng)用價值。本課題主要關(guān)注視頻圖像中多目標(biāo)跟蹤與軌跡保持方法，對圖像序列進(jìn)行多目標(biāo)

2、跟蹤與軌跡保持等方面研究。
　　第一，在由檢測到跟蹤方法中，圖像目標(biāo)檢測是進(jìn)行目標(biāo)跟蹤的前提。使用基于圖像的顏色、梯度方向和梯度幅值等基本圖像特征的積分通道融合特征，結(jié)合基于boosting的決策樹分類器，生成目標(biāo)檢測器，實現(xiàn)對圖像目標(biāo)的準(zhǔn)確檢測。
　　第二，以自頂向下的處理思路，闡述了基于貝葉斯濾波框架的目標(biāo)跟蹤原理。研究基于隨機有限集理論的概率假設(shè)密度濾波遞歸算法，對算法的兩種不同實現(xiàn)方式進(jìn)行對比仿真實驗，最終確定使用高

3、斯混合PHD濾波算法來進(jìn)行圖像多目標(biāo)跟蹤。
　　第三，結(jié)合圖像目標(biāo)表觀模型特點和高斯混合 PHD算法的應(yīng)用條件，提出適合用于圖像多目標(biāo)跟蹤的高斯混合 PHD自適應(yīng)新生目標(biāo)算法，通過在標(biāo)準(zhǔn)行人檢測數(shù)據(jù)集上實驗，驗證跟蹤算法的性能。
　　第四，針對 PHD濾波處理并不能實現(xiàn)多目標(biāo)跟蹤運動軌跡情況，構(gòu)建圖像多目標(biāo)能量函數(shù)，將視頻多目標(biāo)跟蹤問題轉(zhuǎn)化為能量函數(shù)優(yōu)化求解問題。把經(jīng)過跟蹤濾波算法處理的圖像序列作為輸入，進(jìn)行多次迭代，實現(xiàn)視