基于神經(jīng)網(wǎng)絡(luò)與多特征融合的粒子濾波目標檢測跟蹤算法研究.pdf

1、運動目標的檢測和跟蹤作為數(shù)字圖像處理和計算機視覺領(lǐng)域的熱點，在自動導(dǎo)航、交通監(jiān)控、國防軍工等領(lǐng)域都具有十分高的應(yīng)用價值。過去幾十年，眾多研究者在目標檢測和跟蹤領(lǐng)域進行了深入的研究，但是由于應(yīng)用場景復(fù)雜多變、目標運動規(guī)律復(fù)雜等因素，導(dǎo)致目標的檢測與跟蹤技術(shù)無法得到大量廣泛的使用。因此，設(shè)計一種適用性強的目標檢測與跟蹤算法有著重大的意義。
　　針對目標跟蹤檢測的有效性與準確性，本文在融合幀差法的混合高斯模型目標區(qū)域提取基礎(chǔ)上，研究基于

2、多特征的粒子濾波目標跟蹤算法，并且利用BP神經(jīng)網(wǎng)絡(luò)調(diào)整與改進粒子濾波跟蹤算法。論文主要的算法改進和成果如下:
　　一、提出一種融合幀差法的混合高斯模型獲取運動目標區(qū)域。混合高斯模型不能完整的檢測運動前景區(qū)域，容易將背景錯誤混淆成前景。本文通過融合幀差法和混合高斯模型，通過區(qū)分背景凸顯區(qū)域與前景區(qū)域，利用不同的學(xué)習(xí)速率來完整的提取目標運動區(qū)域。
　　二、提出了基于多種特征融合的粒子濾波跟蹤方法。針對單個特征的跟蹤模型算法精度低

3、，適用性差等問題。本文提取目標的顏色特征和HOG特征，構(gòu)建多特征觀測模型，通過該特征模型進行粒子濾波目標檢測與跟蹤。實驗表明該算法準確性更高。
　　三、提出了一種通過BP神經(jīng)網(wǎng)絡(luò)改進多特征融合的粒子濾波跟蹤算法。傳統(tǒng)的粒子濾波算法具有粒子退化問題，粒子數(shù)越來越匱乏。本文利用BP神經(jīng)網(wǎng)絡(luò)反向傳播來調(diào)整更新粒子權(quán)值，增加粒子的多樣性，通過結(jié)合多特征模型，改善算法的濾波性能，并且提高了目標跟蹤的精度。
　　本文通過以上三個方面對粒