一種有效的基于粒子濾波器的多目標跟蹤技術.pdf

1、多目標跟蹤技術是計算機視覺研究領域中最活躍的研究課題之一。隨著現(xiàn)代計算機和信息技術的飛速發(fā)展及圖形識別算法的革命性改進，多目標的實時追蹤技術的出現(xiàn)為這個領域打開了局面，在軍事國防、交通監(jiān)視、天文預測、智能監(jiān)控等領域有著非常重要的實際價值。 粒子濾波作為一種基于貝葉斯估計的非線性濾波算法，在處理非線性運動目標跟蹤問題方面有著特殊的優(yōu)勢。但是當對多個目標進行跟蹤，目標如果相互遮擋時，會出現(xiàn)跟蹤目標的“失跟”現(xiàn)象。此外，多個目標之間的

2、干擾也會影響跟蹤的準確性。 本文就目標在運動過程中的“失跟”現(xiàn)象進行了研究，以粒子濾波器為基礎，使用了對Mpeg2視頻解碼過程中的運動矢量信息以及高斯混合模型(GMM)對背景象素建模來定位運動目標的位置。運動矢量的使用以及背景的建模都是為了進一步讓粒子濾波器中權值比較大的粒子成為目標跟蹤的主體。這樣，就對不出現(xiàn)“遮擋”的多個目標有了比較準確的跟蹤。這種情況下，在顏色分布和量化上相似的運動目標之間的“遮擋”還會出現(xiàn)“失跟”現(xiàn)象。這

3、樣，在使用上述技術的前提下，我們從運動目標的當前速度入手，在粒子訓練的初期階段結合我們的先驗知識對運動目標的運動對將來運動的方向帶來的影響做了符合當前運動規(guī)律的分析。確定了在不同速度條件下運動目標下一步的運動方向。這樣，我們在實現(xiàn)了運動中的多目標跟蹤的前提下，對運動員在運動中產生的“失跟”問題有了一定程度上的解決。這是我們在行為理解方面的一個大膽嘗試。 本文主要做了如下工作：一、使用高斯混合模型(GMM)對圖像的每個像素進行建模

4、，來計算當前圖像中屬于背景像素的概率，從而提取出前景運動目標。二、從播放選定視頻的Mpeg2源程序中提取出運動矢量，使用面積比例法，對粒子的權重進行進一步的確定。三、在波動的粒子中，以背景建模和運動矢量信息為基礎，運用運動分析的方法，檢驗粒子權重的可信度。通過先驗知識閥值以及后期訓練的方法，對目標在不同速度下發(fā)生遮擋時的運動方向進行了準確判斷。四、使用Bhattacharyya距離計算參考幀中目標的相似度。實驗表明，在背景建模算法和運動