基于粒子濾波和卡爾曼濾波的復雜場景下視覺跟蹤.pdf

1、視頻目標跟蹤是計算機視覺領域的一個核心問題，在軍事制導、視頻監(jiān)控、機器人視覺導航、醫(yī)療診斷、以及天氣分析方面都有廣泛的應用前景。視頻目標跟蹤的研究目的是模擬人類的視覺感知功能，賦予機器識別視頻序列中運動目標的能力，為分析和理解視頻內(nèi)容提供重要的數(shù)據(jù)依據(jù)。盡管人們對視覺跟蹤進行了較廣泛的研究，并提出了許多有效的方法，但是針對復雜情況下的視覺跟蹤，魯棒性問題一直是跟蹤算法的難點和熱點。 本文針對復雜環(huán)境下的跟蹤問題，尤其是對目標跟蹤

2、中的運動模型、觀測模型、目標間的相互遮擋、以及粒子濾波算法的重采樣等問題進行了重點研究，并提出了相應的解決方法。本文的主要研究內(nèi)容如下： 1．分析了現(xiàn)有的跟蹤算法，重點闡述了貝葉斯濾波理論的原理，包括粒子濾波算法和卡爾曼濾波算法，討論了算法實現(xiàn)的框架，以及優(yōu)缺點。 2．為了解決室外復雜場景中的目標魯棒跟蹤問題，提出了一種基于顏色特征和貝葉斯估計的跟蹤算法。用粒子濾波器對目標做初步跟蹤，獲得當前的觀測值；利用當前的觀測，通

3、過卡爾曼濾波更新粒子集的狀態(tài)均值和協(xié)方差；利用更新的狀態(tài)均值和協(xié)方差產(chǎn)生并傳播更優(yōu)的高斯提議分布；從高斯提議分布中采樣得到新的粒子集，執(zhí)行粒子濾波，獲得跟蹤結果。在該算法中，還提出了遮擋等異常下的處理策略。 3．為了獲取更為精確的目標觀測，提出了一種融合顏色特征和梯度直方圖的貝葉斯估計跟蹤算法，實現(xiàn)特征間信息的互補，提高跟蹤的魯棒性。 4．為了克服粒子濾波中的粒子退化現(xiàn)象，討論了一種基于遺傳進化的GA—MCMC（Gene