多視點(diǎn)大規(guī)模粒子群運(yùn)動軌跡重構(gòu).pdf

1、大規(guī)模群體運(yùn)動行為是自然界中一個(gè)壯觀而神奇的現(xiàn)象，如我們常見的鳥群、魚群與昆蟲群等，此外，還有我們難以肉眼觀察的微生物群與細(xì)菌群等。這些現(xiàn)象吸引了各個(gè)領(lǐng)域的科學(xué)家，他們提出了多種研究方法，從不同的角度分析這一現(xiàn)象。獲取自然界群體運(yùn)動中的每一個(gè)個(gè)體的運(yùn)動數(shù)據(jù)，對正確認(rèn)識大規(guī)模群體運(yùn)動至關(guān)重要。然而，傳統(tǒng)的生物學(xué)研究方法只能獲取單個(gè)個(gè)體或少量個(gè)體運(yùn)動數(shù)據(jù)，難以有效的模擬真實(shí)群體的運(yùn)動行為。隨著計(jì)算機(jī)領(lǐng)域的迅速發(fā)展，利用多臺性能優(yōu)良的成像設(shè)備

2、，結(jié)合計(jì)算機(jī)視覺技術(shù)，在不干擾群體運(yùn)動行為的同時(shí)獲取其運(yùn)動的數(shù)據(jù)已成為可能，并受到越來越多研究人員的關(guān)注，成為當(dāng)前計(jì)算機(jī)視覺領(lǐng)域的一大研究熱點(diǎn)。
　　利用計(jì)算機(jī)視覺技術(shù)獲取大規(guī)模群體三維運(yùn)動軌跡的一般方法，是通過多臺性能優(yōu)良并精確同步的成像設(shè)備，從不同視點(diǎn)拍攝研究對象，并根據(jù)圖像信息通過投影幾何關(guān)系，獲取目標(biāo)三維運(yùn)動軌跡。然而，由于群體中通常包含成百上千個(gè)個(gè)體，且多數(shù)個(gè)體具有相似的外形與紋理，很難利用基本圖像紋理特征的物體檢測算法

3、對其進(jìn)行匹配。并且，由于視角與視野的影響，目標(biāo)可能被其他個(gè)體頻繁遮擋或者暫時(shí)離開，這對獲取群體較長時(shí)間段內(nèi)的三維運(yùn)動軌跡帶來了極大的挑戰(zhàn)。再次，由于個(gè)體數(shù)量龐大，導(dǎo)致計(jì)算量增長較快，從而由進(jìn)行實(shí)驗(yàn)至輸出三維軌跡的時(shí)延較長，需要若干個(gè)小時(shí)才能完成計(jì)算。針對這些困難，本論文提出了一種適用于大規(guī)模粒子群的三維運(yùn)動軌跡重構(gòu)算法，能夠自動、準(zhǔn)確并快速的獲取粒子群中個(gè)體的三維運(yùn)動軌跡。
　　本論文在利用兩個(gè)成像設(shè)備從不同視點(diǎn)拍攝運(yùn)動群體外，引

4、入了第三臺成像設(shè)備從不同于前兩個(gè)視角的第三視角作為驗(yàn)證視點(diǎn)同步拍攝運(yùn)動群體。驗(yàn)證視點(diǎn)所獲取的圖像信息能夠提供更多的極線約束，有效的減少立體匹配錯(cuò)誤，從而顯著的提高立體匹配正確率，過濾錯(cuò)誤匹配對，極大的減少了計(jì)算量。并且，本論文采用了基于狀態(tài)預(yù)測及候選對過濾的最優(yōu)分配算法對同一目標(biāo)相鄰時(shí)刻三維空間位置進(jìn)行匹配。在狀態(tài)預(yù)測中，采用卡爾曼濾波對目標(biāo)的下一時(shí)刻三維空間位置進(jìn)行預(yù)測，減少了由于目標(biāo)受到遮擋或者暫時(shí)離開導(dǎo)致的軌跡斷裂問題。實(shí)驗(yàn)證明，