多視點大規(guī)模粒子群運動軌跡重構.pdf

1、大規(guī)模群體運動行為是自然界中一個壯觀而神奇的現象，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菌群等。這些現象吸引了各個領域的科學家，他們提出了多種研究方法，從不同的角度分析這一現象。獲取自然界群體運動中的每一個個體的運動數據，對正確認識大規(guī)模群體運動至關重要。然而，傳統(tǒng)的生物學研究方法只能獲取單個個體或少量個體運動數據，難以有效的模擬真實群體的運動行為。隨著計算機領域的迅速發(fā)展，利用多臺性能優(yōu)良的成像設備

2、，結合計算機視覺技術，在不干擾群體運動行為的同時獲取其運動的數據已成為可能，并受到越來越多研究人員的關注，成為當前計算機視覺領域的一大研究熱點。
　　利用計算機視覺技術獲取大規(guī)模群體三維運動軌跡的一般方法，是通過多臺性能優(yōu)良并精確同步的成像設備，從不同視點拍攝研究對象，并根據圖像信息通過投影幾何關系，獲取目標三維運動軌跡。然而，由于群體中通常包含成百上千個個體，且多數個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、對其進行匹配。并且，由于視角與視野的影響，目標可能被其他個體頻繁遮擋或者暫時離開，這對獲取群體較長時間段內的三維運動軌跡帶來了極大的挑戰(zhàn)。再次，由于個體數量龐大，導致計算量增長較快，從而由進行實驗至輸出三維軌跡的時延較長，需要若干個小時才能完成計算。針對這些困難，本論文提出了一種適用于大規(guī)模粒子群的三維運動軌跡重構算法，能夠自動、準確并快速的獲取粒子群中個體的三維運動軌跡。
　　本論文在利用兩個成像設備從不同視點拍攝運動群體外，引

4、入了第三臺成像設備從不同于前兩個視角的第三視角作為驗證視點同步拍攝運動群體。驗證視點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誤，從而顯著的提高立體匹配正確率，過濾錯誤匹配對，極大的減少了計算量。并且，本論文采用了基于狀態(tài)預測及候選對過濾的最優(yōu)分配算法對同一目標相鄰時刻三維空間位置進行匹配。在狀態(tài)預測中，采用卡爾曼濾波對目標的下一時刻三維空間位置進行預測，減少了由于目標受到遮擋或者暫時離開導致的軌跡斷裂問題。實驗證明，