改進(jìn)的卡爾曼濾波在目標(biāo)跟蹤中的應(yīng)用.pdf

1、目標(biāo)跟蹤是利用圖像處理等相關(guān)技術(shù)對(duì)視頻圖像序列中的運(yùn)動(dòng)目標(biāo)進(jìn)行處理、分析和理解找到所感興趣的目標(biāo)所處位置的過程。它作為計(jì)算機(jī)視覺研究領(lǐng)域的一個(gè)關(guān)鍵技術(shù)，正日益廣泛地應(yīng)用到安全防范、智能視頻監(jiān)控、人體運(yùn)動(dòng)分析、智能交通管理等領(lǐng)域，因此對(duì)目標(biāo)跟蹤算法的研究是具有較高的實(shí)用價(jià)值和廣闊的發(fā)展前景。
　　本文首先介紹了包括幀間差分法、背景差分法以及光流法在內(nèi)的三種基本常用視覺目標(biāo)檢測算法，根據(jù)各自算法的特點(diǎn)選擇利用算法性能相對(duì)較好的背景差分

2、法實(shí)現(xiàn)目標(biāo)的檢測，并利用數(shù)字形態(tài)學(xué)方法對(duì)利用背景差分法完成的目標(biāo)檢測效果進(jìn)行后處理，降低噪聲的干擾。采用一種基于卡爾曼濾波(Kalman Filter, KF)的運(yùn)動(dòng)目標(biāo)跟蹤算法。該算法首先利用前面介紹的背景差分法實(shí)現(xiàn)動(dòng)態(tài)目標(biāo)的檢測，并依此計(jì)算目標(biāo)模型的核直方圖，進(jìn)而建立目標(biāo)的運(yùn)動(dòng)學(xué)狀態(tài)空間模型。利用歷史幀中測量得到的運(yùn)動(dòng)目標(biāo)的位置、速度等參數(shù)，完成卡爾曼濾波的時(shí)間更新過程，獲得濾波的一步預(yù)測值一步預(yù)測協(xié)方差矩陣，最后利用從當(dāng)前幀獲得的

3、量測信息（位置或速度信息），通過量測更新計(jì)算估計(jì)出運(yùn)動(dòng)目標(biāo)的位置，實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的跟蹤。結(jié)合KF和Mean Shift算法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的跟蹤。該算法利用KF對(duì)目標(biāo)的位置進(jìn)行預(yù)測，得到下一幀圖像中目標(biāo)可能出現(xiàn)的區(qū)域，并將KF估計(jì)的預(yù)測點(diǎn)當(dāng)作Mean Shift算法迭代的起始點(diǎn)，利用無參數(shù)估計(jì)的收斂性，得出精度更高目標(biāo)的位置，從而達(dá)到跟蹤的目的。但是該方法只能用在線性模型下，在復(fù)雜運(yùn)動(dòng)狀態(tài)下該方法將不再適用。采用一種基于容積信息濾波的視覺目標(biāo)