基于多算法融合的視頻目標跟蹤方法研究.pdf_第1頁
已閱讀1頁,還剩75頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、視頻目標跟蹤作為計算機視覺領域中的重要組成部分,已經(jīng)廣泛應用于醫(yī)療診斷、智能交通系統(tǒng)、彈道導彈防御以及軍事制導等國民和軍事的眾多方面,受到相關領域科研學者的廣泛關注和深入研究。目前,粒子濾波作為目標跟蹤技術的主流跟蹤方法,但在實際應用中存在著粒子退化的缺陷,解決粒子濾波算法的粒子退化枯竭問題,是視頻目標跟蹤的重要研究課題。本文以非線性、非高斯系統(tǒng)的目標狀態(tài)估計理論為主線,在研究傳統(tǒng)目標跟蹤方法的基礎上,結合粒子濾波理論和均值漂移理論,針

2、對跟蹤算法優(yōu)化、多目標之間的合并分離遮擋沖突等問題進行系統(tǒng)地研究,改進了跟蹤算法的性能,提高了在復雜環(huán)境下目標跟蹤的實時性和魯棒性。
   本文的主要工作包括:
   (1)提出了一種自適應免疫優(yōu)化的無跡粒子濾波器(AIO-UPF),由于在重要性函數(shù)的選取上充分考慮了最新的觀測數(shù)據(jù)信息來產(chǎn)生粒子和更新權值,同時將引入自適應閾值因子δ的Metropolis準則的自適應免疫算法(AIO)中的粒子尋優(yōu)機制應用子粒子重采樣過程中

3、,使得粒子集能夠有效地分布于高似然區(qū)域,提高了系統(tǒng)在較偏觀測情況下目標狀態(tài)估計的精確度和穩(wěn)定性。仿真實驗的結果表明,本文算法的性能優(yōu)于傳統(tǒng)的UPF和常規(guī)粒子濾波。因此,在目標跟蹤精確性和抗干擾性要求較高的場合,新濾波器具有較高的應用價值。
   (2)提出了一種基于AIO-UPF與MS的多目標跟蹤算法。該算法在提取目標觀測值后,利用基于推理的多目標關聯(lián)算法建立關聯(lián)矩陣,從而確定目標狀態(tài)序列。然后,利用AIO-UPF的抗遮擋和Me

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論