基于粒子濾框架的視頻目標(biāo)跟蹤研究.pdf

1、視頻目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要分支，它廣泛地應(yīng)用在軍事制導(dǎo)、交通監(jiān)控、醫(yī)學(xué)診斷等多個(gè)領(lǐng)域，是當(dāng)今熱門的研究課題之一。本文以粒子濾波方法為跟蹤框架，從框架本身和目標(biāo)特征兩個(gè)方面展開研究，前者為跟蹤算法提供結(jié)構(gòu)支持，而后者則使跟蹤算法能夠適用于不同的跟蹤環(huán)境，二者互相補(bǔ)足，共同影響整個(gè)跟蹤的有效性。
　　 本文首先從理論角度介紹了粒子濾波方法的原理、特性、及其在視頻跟蹤中如何扮演框架角色；然后簡(jiǎn)單介紹了一個(gè)經(jīng)典尋優(yōu)方法--均

2、值偏移，該方法將作為優(yōu)化工具應(yīng)用在跟蹤框架和邊緣特征匹配過(guò)程中；接下來(lái)，本文針對(duì)顏色、邊緣、輪廓三個(gè)經(jīng)典特征展開論述，介紹了各特征的提取和匹配，以及在跟蹤框架下的應(yīng)用；最后本文將跟蹤框架、目標(biāo)特征、以及各個(gè)優(yōu)化細(xì)節(jié)整合在一起，得到完整的視頻跟蹤算法，并通過(guò)實(shí)驗(yàn)仿真分析和驗(yàn)證了算法的有效性。下面從跟蹤框架和目標(biāo)特征兩個(gè)方面介紹具體的研究?jī)?nèi)容和成果：
　　 在跟蹤框架方面，粒子濾波跟蹤框架使用目標(biāo)的運(yùn)動(dòng)模型作為系統(tǒng)狀態(tài)轉(zhuǎn)移模型，傳統(tǒng)

3、的目標(biāo)速度是通過(guò)最近若干幀的速度均值計(jì)算得到的，并且基于勻速假設(shè)，這樣會(huì)導(dǎo)致跟蹤滯后，本文則對(duì)最近若干幀的速度做加權(quán)平均，并利用二階近似的物理運(yùn)動(dòng)模型作為狀態(tài)轉(zhuǎn)移模型，以得到更加符合目標(biāo)實(shí)際運(yùn)動(dòng)情況的預(yù)測(cè)結(jié)果。
　　 另外，針對(duì)粒子濾波計(jì)算量大的問題，本文利用均值偏移方法對(duì)粒子進(jìn)行聚類，并將這一過(guò)程調(diào)整到重采樣之前，以實(shí)現(xiàn)對(duì)粒子位置和權(quán)值的雙重聚類，不僅提高了粒子表征性能，從而減少算法對(duì)粒子數(shù)量的要求，而且也降低了傳統(tǒng)聚類過(guò)程中

4、的權(quán)值信息損失。
　　 在目標(biāo)特征方面，本文選擇了三種經(jīng)典特征進(jìn)行融合以實(shí)現(xiàn)高適應(yīng)性、高魯棒性的目標(biāo)跟蹤。其中，針對(duì)傳統(tǒng)的顏色特征相似性度量，本文采用更適用于計(jì)算機(jī)仿真的計(jì)算方法，能夠在一定程度上提高匹配精度，并節(jié)省計(jì)算時(shí)間。
　　 同時(shí)，針對(duì)傳統(tǒng)邊緣特征匹配準(zhǔn)確度差的缺點(diǎn)，本文提出一種新的改進(jìn)方法，它使用一系列灰度級(jí)形態(tài)學(xué)操作優(yōu)化邊緣特征的提取過(guò)程，并利用均值偏移方法的局部尋優(yōu)特性，將目標(biāo)模型和候選模型的邊緣信息校正到

5、各自的穩(wěn)定狀態(tài)，然后再進(jìn)行匹配，這種方法提取出的相似度能夠準(zhǔn)確反映出候選模型的真實(shí)權(quán)值分布。并且，針對(duì)不同跟蹤環(huán)境，本文還給出了相應(yīng)的匹配策略，并得到了較為滿意的效果。
　　 另外，本文還將輪廓特征引入算法，以進(jìn)一步提高跟蹤性能。最后，通過(guò)融合三種特征，得到最終的跟蹤結(jié)果。實(shí)驗(yàn)結(jié)果證明，本文算法能夠綜合各特征的優(yōu)點(diǎn)，成功實(shí)現(xiàn)多種環(huán)境下對(duì)目標(biāo)的跟蹤，同時(shí)，借助粒子濾波框架的預(yù)測(cè)特性和融合策略，在目標(biāo)暫時(shí)被遮擋或某些特征失效的情況下