版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、使用攝像機(jī)對各種場景進(jìn)行監(jiān)控,已經(jīng)廣泛深入到社會生活的方方面面。從銀行和住宅小區(qū)的保安監(jiān)控到市區(qū)街道和高速公路上的交通監(jiān)控,從軍事目標(biāo)的跟蹤和識別到智能武器系統(tǒng),攝像機(jī)作為人類視覺的延伸,起著非常重要的作用。視覺跟蹤是實(shí)現(xiàn)智能監(jiān)控的關(guān)鍵技術(shù),作為計算機(jī)視覺研究領(lǐng)域的核心課題之一,融合了圖像處理、模式識別、人工智能、自動控制以及計算機(jī)等若干領(lǐng)域的先進(jìn)技術(shù),并在軍事視覺制導(dǎo)、視頻監(jiān)控、機(jī)器人視覺導(dǎo)航、醫(yī)療診斷以及氣象分析等方面都有廣泛的應(yīng)用
2、。目前,基于貝葉斯推斷的視覺跟蹤方法成為視覺跟蹤研究的主要方法之一,其思路是將目標(biāo)跟蹤問題轉(zhuǎn)換為貝葉斯估計問題,已知目標(biāo)狀態(tài)的先驗(yàn)概率,在獲得新的目標(biāo)觀測后不斷求解目標(biāo)狀態(tài)的最大后驗(yàn)概率的過程。在實(shí)際的視覺跟蹤過程中,后驗(yàn)概率的分布往往是非線性、非高斯、多模態(tài)的。為此,基于貝葉斯理論的粒子濾波視覺跟蹤方法被提出用于解決這一問題,并且成為視覺跟蹤研究中的常用方法。影響基于粒子濾波的視覺跟蹤方法性能的因素主要有三個:粒子的貧化問題;可靠的觀
3、測模型;精確的運(yùn)動模型。一般情況下,要從二維的被噪聲污染的視頻圖像數(shù)據(jù)中建立精確的運(yùn)動模型是相當(dāng)困難的,因此,人們在解決基于粒子濾波視覺跟蹤方法的魯棒性問題時,主要是研究如何建立可靠的觀測模型以及如何消除貧化問題?,F(xiàn)實(shí)環(huán)境中的許多情況都會影響在視頻圖像中對運(yùn)動目標(biāo)的可靠觀測,例如:復(fù)雜背景的干擾;同時存在多運(yùn)動目標(biāo);場景中光線亮度的變化;景物遮擋;被跟蹤目標(biāo)的姿態(tài)改變;快速運(yùn)動等等。人們希望視覺跟蹤算法能夠在各種復(fù)雜的情況下持續(xù)穩(wěn)定的跟
4、蹤運(yùn)動目標(biāo)。因此,魯棒性問題一直是視覺跟蹤研究的難點(diǎn)和熱點(diǎn)。本文主要針對目前視覺跟蹤的難點(diǎn),研究運(yùn)動目標(biāo)在多種復(fù)雜觀測條件下的魯棒跟蹤問題,并提出相應(yīng)的基于粒子濾波的解決方法。論文的創(chuàng)新點(diǎn)及主要工作包括: (1)為了解決室外復(fù)雜場景中的多目標(biāo)魯棒跟蹤問題,提出了一種基于自適應(yīng)目標(biāo)提取的增強(qiáng)粒子濾波跟蹤算法。首先用自適應(yīng)高斯混合模型建模被監(jiān)控場景的背景,并使用像素變化檢測、陰影檢測和形態(tài)學(xué)操作進(jìn)行運(yùn)動目標(biāo)的自適應(yīng)檢測。在兩階段增強(qiáng)
5、粒子濾波跟蹤階段,利用卡爾曼濾波結(jié)合最新的觀測對目標(biāo)狀態(tài)進(jìn)行更新,通過觀測似然的計算實(shí)現(xiàn)對目標(biāo)進(jìn)入、退出場景以及相互遮擋事件進(jìn)行處理。 (2)為了解決光線變化的情況下,以及發(fā)生旋轉(zhuǎn)、平移和尺度變化等姿態(tài)變化的運(yùn)動目標(biāo)的魯棒跟蹤問題,提出了一種基于自適應(yīng)觀測模型的粒子濾波跟蹤算法。被跟蹤對象通過概率密度的自適應(yīng)高斯近似建模來適應(yīng)光線變化,在計算運(yùn)動目標(biāo)的觀測似然時,通過引入魯棒統(tǒng)計處理目標(biāo)的遮擋問題,并使用基于仿射變換的相似性度量
6、方法處理目標(biāo)的姿態(tài)變化。 (3)為了解決目標(biāo)在快速運(yùn)動情況下的魯棒跟蹤問題,提出了基于遺傳進(jìn)化高斯核粒子濾波的跟蹤算法。針對視覺跟蹤中采用傳統(tǒng)粒子濾波的缺陷,首先使用高斯核代替?zhèn)鹘y(tǒng)粒子濾波的狄拉克函數(shù),并在濾波過程中內(nèi)嵌重采樣來減小粒子退化問題。為了進(jìn)一步提高粒子濾波的性能,利用遺傳進(jìn)化策略改進(jìn)濾波過程,提出了基于遺傳進(jìn)化高斯核粒子濾波的跟蹤算法,不但可以防止粒子貧化問題,而且能使粒子重新分布到后驗(yàn)概率的局部模式上,使得只用較少
7、的粒子數(shù)也能對快速運(yùn)動的目標(biāo)進(jìn)行有效跟蹤。 (4)為了在目標(biāo)姿態(tài)變化以及復(fù)雜背景下實(shí)現(xiàn)對目標(biāo)輪廓的魯棒跟蹤,提出了一種基于改進(jìn)粒子濾波的B樣條輪廓跟蹤算法。被跟蹤對象的輪廓通過B樣條建模,在形狀空間中通過平面仿射變形處理目標(biāo)的旋轉(zhuǎn)、平移和尺度等姿態(tài)變化;通過最大似然估計方法學(xué)習(xí)得到較精確的系統(tǒng)運(yùn)動模型,并使用非線性的觀測模型計算觀測似然,跟蹤濾波過程中采用進(jìn)行基于遺傳進(jìn)化的迭代重采樣濾波,從而實(shí)現(xiàn)優(yōu)于傳統(tǒng)粒子濾波的輪廓跟蹤性能。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于粒子濾波和卡爾曼濾波的復(fù)雜場景下視覺跟蹤.pdf
- 基于粒子濾波的復(fù)雜場景下目標(biāo)跟蹤.pdf
- 基于粒子濾波的視覺跟蹤算法研究.pdf
- 基于粒子濾波的復(fù)雜背景下的目標(biāo)跟蹤方法研究.pdf
- 復(fù)雜環(huán)境下基于粒子濾波的視頻目標(biāo)跟蹤算法研究.pdf
- 復(fù)雜環(huán)境下的粒子濾波目標(biāo)跟蹤算法研究.pdf
- 基于粒子濾波的視覺目標(biāo)跟蹤算法研究.pdf
- 復(fù)雜環(huán)境下基于粒子濾波的多特征融合目標(biāo)跟蹤算法研究.pdf
- 復(fù)雜條件下運(yùn)動目標(biāo)跟蹤方法的研究.pdf
- 基于視覺顯著性的粒子濾波跟蹤算法研究.pdf
- 基于粒子濾波的行人跟蹤.pdf
- 基于粒子濾波的機(jī)器人視覺跟蹤研究與實(shí)現(xiàn).pdf
- 基于人類視覺機(jī)制和粒子濾波的紅外目標(biāo)跟蹤方法.pdf
- 基于人類視覺機(jī)制的自適應(yīng)粒子濾波目標(biāo)跟蹤研究.pdf
- 基于人類視覺機(jī)制的自適應(yīng)粒子濾波目標(biāo)跟蹤研究
- 粒子濾波架構(gòu)下視覺目標(biāo)跟蹤相關(guān)技術(shù)研究.pdf
- 復(fù)雜條件下基于閾值分割的紅外弱小目標(biāo)檢測和跟蹤.pdf
- 基于人類視覺機(jī)制的自適應(yīng)粒子濾波目標(biāo)跟蹤算法.pdf
- 基于粒子濾波的目標(biāo)跟蹤研究.pdf
- 基于粒子濾波的運(yùn)動目標(biāo)跟蹤.pdf
評論
0/150
提交評論