基于粒子濾波與均值漂移的目標跟蹤算法研究.pdf

1、機器視覺技術(shù)廣泛的應(yīng)用在目標跟蹤領(lǐng)域。其中經(jīng)典的目標跟蹤算法有粒子濾波算法和均值漂移算法。在目標跟蹤的過程中，粒子濾波算法采用非參數(shù)的蒙特卡羅方法來模擬遞推貝葉斯濾波獲取粒子，然后用大量粒子來近似逼近狀態(tài)后驗概率分布的方法很好地解決了非線性非高斯問題，但是存在重要性采樣粒子退化以及重采樣粒子貧乏等問題。均值漂移算法利用核函數(shù)的性質(zhì)，無需估計整個區(qū)間的概率密度，不要求進行全局搜索，已經(jīng)被成功地應(yīng)用在實時性要求較高的目標跟蹤領(lǐng)域，但是存在跟

2、蹤目標和背景顏色相近時難以保持魯棒性，對光線變化敏感，核函數(shù)帶寬不能對跟蹤目標尺寸自適應(yīng)，對運動速度快以及嚴重遮擋的目標容易跟蹤丟失目標。
　　論文針對以上不足，在對粒子濾波算法和均值漂移算法深入研究的基礎(chǔ)上，主要做了以下工作：
　　1、提出了一種改進的MPF粒子濾波目標跟蹤算法。該算法采用狀態(tài)的預(yù)測值代替kalman濾波的量測更新，用kalman濾波器處理目標的速度和加速度分量；通過蟻群優(yōu)化算法改進標準粒子濾波器，并用以估

3、計目標的位置信息。實驗結(jié)果表明,改進后的邊緣化粒子濾波目標跟蹤算法在提高目標狀態(tài)估計精度的同時，降低了粒子濾波的計算復(fù)雜度，克服了粒子濾波退化現(xiàn)象。
　　2、提出一種基于顏色特征與邊界特征相融合的目標表示方法和沙包核函數(shù)mean shift尺寸自適應(yīng)算法。該算法在跟蹤中，顏色特征和邊界特征根據(jù)各個特征的可靠性進行實時性更新；同時，在跟蹤窗口中心和邊界定位的基礎(chǔ)上，由候選目標跟蹤窗和分塊目標跟蹤窗的邊界距離變化對核窗寬大小進行更新。

4、實驗結(jié)果表明:該算法目標定位的精確性更高，在目標尺寸增大和減小的情況下，平均每幀耗時比傳統(tǒng)的基于矩形窗和橢圓窗自適應(yīng)跟蹤算法更少，提高了跟蹤性能，滿足實時性要求。
　　3、提出一種基于鏡像mean shift的目標遮擋處理算法。該算法在當目標沒有遮擋時采用顏色特征和輪廓特征定位目標，利用分塊沙包窗核函數(shù)實現(xiàn)尺寸自適應(yīng)；當目標進入遮擋區(qū)域時候，在改進的巴氏系數(shù)條件觸發(fā)下，利用先驗訓練分類器和鏡像原理對遮擋區(qū)域目標的位置和尺寸大小進行