基于多智能體協(xié)同進(jìn)化的多目標(biāo)跟蹤算法研究.pdf

1、作為計(jì)算機(jī)視覺、圖像處理和模式識別領(lǐng)域最活躍的研究方向之一，目標(biāo)跟蹤技術(shù)在軍事、安全監(jiān)控、人機(jī)交互和機(jī)器人等多種領(lǐng)域都有著極其重要的應(yīng)用價(jià)值。目前，國際上目標(biāo)跟蹤技術(shù)中，粒子濾波器是最常用的方法之一。作為一種優(yōu)秀的目標(biāo)跟蹤算法，它不但有效解決了非線性非高斯系統(tǒng)下的目標(biāo)跟蹤問題，而且實(shí)現(xiàn)簡單，使用靈活。但現(xiàn)有的粒子濾波算法也存在著一定的不足：一是觀測模型魯棒性不高，利用單一顏色特征對目標(biāo)建模易受場景中光線變化和相近顏色物體的不利影響；二是

2、粒子退化問題，重采樣過程雖然一定程度上解決了粒子退化問題，但同時(shí)又造成了粒子匱乏，導(dǎo)致跟蹤精度下降。
　　 多智能體技術(shù)是基于分布式人工智能(Distributed Artificial Intelligent，DAI)而產(chǎn)生的，其涉及到的人類智能活動的社會性和由社會互動而產(chǎn)生的集體智慧，突破了傳統(tǒng)人工智能存在的局限，為計(jì)算機(jī)應(yīng)用提供了一種新的問題解決方法。
　　 針對粒子濾波算法在目標(biāo)跟蹤中存在的問題，本文主要做了以下

3、三個(gè)方面的工作：
　　 1.提出了一種多特征融合的目標(biāo)建模方法。在目標(biāo)顏色特征的基礎(chǔ)上，再引入目標(biāo)的LBP特征，然后融合這兩種特征建立目標(biāo)模型，增加了描述目標(biāo)的觀測信息，提高了觀測模型的魯棒性；
　　 2.基于粒子濾波建立了跟蹤智能體模型。把傳統(tǒng)粒子濾波器中的粒子看成智能體，重新定義智能體生存的局部環(huán)境和進(jìn)化行為，使粒子成為具有局部感知、競爭協(xié)作和自學(xué)習(xí)能力的智能體；
　　 3.提出一種基于多智能體協(xié)同進(jìn)化的粒子