遮擋情況下目標(biāo)跟蹤算法的研究.pdf

1、目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)的一個(gè)重要分支，融合了圖像處理、模式識(shí)別、人工智能、自動(dòng)控制以及計(jì)算機(jī)應(yīng)用技術(shù)等相關(guān)領(lǐng)域的先進(jìn)技術(shù)和研究成果。實(shí)現(xiàn)目標(biāo)跟蹤的關(guān)鍵在于完整地分割目標(biāo)，合理、快速地提取特征和準(zhǔn)確地識(shí)別目標(biāo)，同時(shí)要考慮算法實(shí)現(xiàn)的時(shí)間，保證實(shí)時(shí)性。在復(fù)雜環(huán)境下對(duì)目標(biāo)進(jìn)行跟蹤是非常困難的，僅僅依靠一種或少數(shù)幾種識(shí)別手段很難準(zhǔn)確地進(jìn)行目標(biāo)識(shí)別，必須盡可能利用多個(gè)目標(biāo)屬性、多種方法，進(jìn)行目標(biāo)綜合識(shí)別和跟蹤。 復(fù)雜場(chǎng)景中遮擋目標(biāo)的跟蹤一直是

2、目標(biāo)跟蹤領(lǐng)域的困難問(wèn)題。本文主要針對(duì)跟蹤過(guò)程中的遮擋難題進(jìn)行研究，詳細(xì)論述了mean—shift、Kalman濾波、粒子濾波、交互式多模型等算法，在分析算法對(duì)遮擋處理的優(yōu)缺點(diǎn)的基礎(chǔ)上，對(duì)其進(jìn)行綜合有效地改進(jìn)。論文的主要工作有： （1）提出了一種結(jié)合均值漂移和粒子濾波的跟蹤算法：利用改進(jìn)的均值漂移算法跟蹤目標(biāo)，根據(jù)目標(biāo)搜索公式確定遮擋因子，判斷遮擋程度；當(dāng)目標(biāo)被嚴(yán)重遮擋時(shí)，采用mean—shift篩選出權(quán)重粒子，建立更新模板，持續(xù)

3、、穩(wěn)健地跟蹤目標(biāo)。算法實(shí)時(shí)性強(qiáng)，克服了粒子濾波器的退化現(xiàn)象并有效縮短了計(jì)算時(shí)間，解決了跟蹤過(guò)程中目標(biāo)的部分遮擋和全遮擋問(wèn)題。 （2）提出了一種改進(jìn)的基于Kalman濾波和粒子濾波的交互式多模型跟蹤算法：利用卡爾曼濾波匹配系統(tǒng)線性部分，粒子濾波匹配非線性部分，根據(jù)匹配深度來(lái)判斷目標(biāo)受遮擋的程度，采用迭代的多級(jí)粒子濾波方法進(jìn)行重采樣，并結(jié)合卡爾曼濾波更新模型概率，解決跟蹤過(guò)程中的嚴(yán)重遮擋問(wèn)題。改進(jìn)算法提高了模型濾波速度和目標(biāo)狀態(tài)的估