基于粒子濾波與均值漂移的目標(biāo)跟蹤算法研究.pdf

1、機器視覺技術(shù)廣泛的應(yīng)用在目標(biāo)跟蹤領(lǐng)域。其中經(jīng)典的目標(biāo)跟蹤算法有粒子濾波算法和均值漂移算法。在目標(biāo)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(biāo)跟蹤領(lǐng)域，但是存在跟

2、蹤目標(biāo)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(biāo)尺寸自適應(yīng)，對運動速度快以及嚴(yán)重遮擋的目標(biāo)容易跟蹤丟失目標(biāo)。
　　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(biāo)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(biāo)的速度和加速度分量；通過蟻群優(yōu)化算法改進標(biāo)準(zhǔn)粒子濾波器，并用以估

3、計目標(biāo)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(biāo)跟蹤算法在提高目標(biāo)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(biāo)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(biāo)跟蹤窗和分塊目標(biāo)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(biāo)定位的精確性更高，在目標(biāo)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(biāo)遮擋處理算法。該算法在當(dāng)目標(biāo)沒有遮擋時采用顏色特征和輪廓特征定位目標(biāo)，利用分塊沙包窗核函數(shù)實現(xiàn)尺寸自適應(yīng)；當(dāng)目標(biāo)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(xùn)練分類器和鏡像原理對遮擋區(qū)域目標(biāo)的位置和尺寸大小進行