視頻目標(biāo)跟蹤研究.pdf

1、隨著現(xiàn)代計(jì)算機(jī)和信息技術(shù)的飛速發(fā)展及圖形識別算法的革命性改進(jìn)，視頻目標(biāo)跟蹤已經(jīng)成為目前機(jī)器視覺研究領(lǐng)域的一個(gè)熱點(diǎn)問題，它融合了計(jì)算機(jī)視覺、圖像處理、模式識別、人工智能及自動(dòng)控制等許多領(lǐng)域的先進(jìn)技術(shù)，在國防、安全監(jiān)控、智能交通等方面有廣闊的應(yīng)用前景。 本文的注意力集中于改進(jìn)視頻目標(biāo)跟蹤系統(tǒng)的框架——粒子濾波算法，并且通過融合顏色信息和運(yùn)動(dòng)信息來計(jì)算粒子權(quán)值，從而提高視頻目標(biāo)跟蹤的準(zhǔn)確性。本文首先介紹了視頻目標(biāo)檢測的幾種常用算法，并

2、作了改進(jìn)；其次，介紹了常用的濾波技術(shù)，包括卡爾曼濾波，高斯-厄米特濾波，粒子濾波以及相應(yīng)的擴(kuò)展濾波技術(shù)，重點(diǎn)是Unscented卡爾曼濾波和粒子濾波；然后提出了一種基于高斯一厄米特濾波和Unscented卡爾曼濾波的粒子濾波算法，在這個(gè)算法中，結(jié)合高斯-厄米特濾波和Unscented卡爾曼濾波來產(chǎn)生重要密度函數(shù)，解決了一般粒子濾波算法中以轉(zhuǎn)換先驗(yàn)密度函數(shù)作為替代分布所引發(fā)的粒子退化問題；最后，提出了一種以粒子濾波為框架的視頻目標(biāo)跟蹤算法