復(fù)雜環(huán)境下的粒子濾波目標(biāo)跟蹤算法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，目標(biāo)跟蹤作為當(dāng)前計(jì)算機(jī)研究領(lǐng)域中的一個(gè)熱點(diǎn)問題，廣泛應(yīng)用于民用和軍事等領(lǐng)域。例如:人機(jī)交互、智能監(jiān)控、城市安防、智能交通、戰(zhàn)場(chǎng)監(jiān)視等。目標(biāo)跟蹤是人們運(yùn)用各種觀測(cè)和計(jì)算方法，實(shí)現(xiàn)對(duì)感興趣運(yùn)動(dòng)目標(biāo)狀態(tài)的建模、估計(jì)、跟蹤。近年來，眾多專家學(xué)者針對(duì)目標(biāo)跟蹤提出了許多優(yōu)秀的算法，但由于運(yùn)動(dòng)目標(biāo)外觀的變化（遮擋、尺度、旋轉(zhuǎn)、仿射、光照條件）、背景的復(fù)雜性，以及系統(tǒng)存在噪聲等問題，使得這些算法只能運(yùn)用在特定的場(chǎng)合，算法的魯棒

2、性和實(shí)時(shí)性不夠好。因此，研究一種應(yīng)用在復(fù)雜背景下的，能夠?qū)崿F(xiàn)對(duì)感興趣目標(biāo)，準(zhǔn)確且快速跟蹤的跟蹤算法，意義重大。
　　 本文完成的主要工作如下:
　　 1.針對(duì)基于粒子群優(yōu)化思想的粒子濾波算法(PSO-PF)中存在計(jì)算精度不夠高，易陷入局部最優(yōu)的問題，本文提出一種基于混沌粒子群優(yōu)化的粒子濾波算法。該算法利用混沌理論初始化粒子，使粒子分布更加均勻，保證了初始粒子的多樣性;重新初始化劣勢(shì)粒子，用混沌變異的思想更新全局最優(yōu)粒子，

3、用反向運(yùn)動(dòng)的方法更新惰性粒子，以期提高算法預(yù)測(cè)精度、增加粒子的多樣性、跳出局部最優(yōu)值。實(shí)驗(yàn)結(jié)果表明，該方法與傳統(tǒng)粒子濾波算法、PSO-PF相比，增強(qiáng)了算法的預(yù)測(cè)精度。
　　 2.由于基于單一特征的目標(biāo)跟蹤算法，在復(fù)雜情形下，難以實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的跟蹤，本文提出一種基于自適應(yīng)背景的多特征融合目標(biāo)跟蹤算法。該算法利用顏色和基于灰度共生矩陣紋理特征表征目標(biāo)，在粒子濾波的框架中，通過分析在不同特征下，粒子空間分布、權(quán)值分布、以及特征對(duì)背景