Kalman濾波在視頻目標(biāo)跟蹤中的應(yīng)用研究.pdf

1、在計(jì)算機(jī)視覺的應(yīng)用中，視頻目標(biāo)的識別和跟蹤是一項(xiàng)重要的研究課題，在諸如人機(jī)交互、視頻監(jiān)控、智能建筑、司機(jī)助手和醫(yī)學(xué)圖像處理等領(lǐng)域已經(jīng)得到了廣泛的應(yīng)用。經(jīng)過國內(nèi)外眾多學(xué)者的大量研究，視頻跟蹤技術(shù)已經(jīng)有了多方向的發(fā)展，也出現(xiàn)了很多優(yōu)秀的跟蹤算法。但是，這些算法往往基于一些特定的環(huán)境，如靜態(tài)背景、室內(nèi)、無遮擋等，而要在視頻序列中實(shí)現(xiàn)穩(wěn)定魯棒的跟蹤，并智能準(zhǔn)確地分析目標(biāo)運(yùn)動隱含的語義信息，最終實(shí)現(xiàn)一個(gè)通用的目標(biāo)自動檢測跟蹤系統(tǒng)仍然是極具挑戰(zhàn)的課

2、題。
　　 本文首先論述了課題研究的背景、意義以及現(xiàn)狀，并對視頻目標(biāo)跟蹤的基本技術(shù)進(jìn)行了綜述，包括常用的跟蹤算法、跟蹤流程、難點(diǎn)問題和技術(shù)要求等，然后回顧了Kalman濾波理論，從貝葉斯濾波的原理出發(fā)闡述了Kalman濾波的基本算法和性質(zhì)，并從發(fā)展的角度討論了擴(kuò)展卡爾曼濾波(EKF)和Unscented 卡爾曼濾波(UKF)。
　　 本文討論了運(yùn)動目標(biāo)檢測和分割的理論，對運(yùn)動目標(biāo)檢測的幾種算法進(jìn)行了對比，并詳細(xì)地探討了三

3、幀差法。最后提出了一種半自動的目標(biāo)分割方法，實(shí)驗(yàn)仿真結(jié)果表明論文提出的算法可以有效地分割出運(yùn)動目標(biāo)并提取其特征。
　　 本文還討論了經(jīng)典的均值偏移算法，從目標(biāo)模型、候選模型、相似性度量、目標(biāo)定位等方面闡述了均值偏移算法的基本原理，分析了該算法的優(yōu)缺點(diǎn)，并進(jìn)行了實(shí)驗(yàn)仿真。
　　 本文針對均值偏移(Mean shift)算法的不足，提出了一種融合改進(jìn)的Mean shift和自適應(yīng)卡爾曼濾波的視頻運(yùn)動目標(biāo)跟蹤算法。對于待跟蹤的

4、運(yùn)動目標(biāo)，采用三幀差和區(qū)域增長法分割目標(biāo)并得到主顏色信息。在跟蹤過程中，利用自適應(yīng)的卡爾曼濾波器估計(jì)每一幀的起始迭代位置，再利用改進(jìn)的Mean shift算法得到跟蹤位置并作為測量值反饋給自適應(yīng)Kalman濾波器，并引入遮擋率因子以動態(tài)調(diào)節(jié)Kalman濾波器的參數(shù)，使改進(jìn)后的Mean shift算法具有對目標(biāo)物體后繼狀態(tài)進(jìn)行預(yù)測估計(jì)的能力，從而在目標(biāo)發(fā)生短時(shí)間的遮擋后依然可以對目標(biāo)進(jìn)行準(zhǔn)確跟蹤。實(shí)驗(yàn)結(jié)果表明，本算法相對于均值偏移算法有較