CKF算法在目標(biāo)跟蹤中的應(yīng)用研究.pdf

1、目標(biāo)跟蹤是當(dāng)下的熱門技術(shù)，在各領(lǐng)域已應(yīng)用廣泛。在視頻監(jiān)控領(lǐng)域，準(zhǔn)確的目標(biāo)跟蹤幫助技術(shù)人員快速地鎖定目標(biāo)行為；在軍事領(lǐng)域中，準(zhǔn)確的目標(biāo)跟蹤能快速地鎖定雷達監(jiān)測目標(biāo)，從而為下一步行動做準(zhǔn)確地預(yù)判。在目標(biāo)跟蹤領(lǐng)域中，對相關(guān)濾波算法的研究及其工程應(yīng)用對改善跟蹤性能起到至關(guān)重要的作用。當(dāng)目標(biāo)運動狀態(tài)發(fā)生突變，傳統(tǒng)的跟蹤算法可能會丟失跟蹤目標(biāo)。而引入合適的濾波算法能大幅改善跟蹤的精度?；诖饲闆r，本文將濾波算法與傳統(tǒng)的跟蹤算法相結(jié)合，分別應(yīng)用在視頻

2、目標(biāo)跟蹤和雷達監(jiān)測二維空間內(nèi)目標(biāo)跟蹤兩種情況下，從而使新的算法滿足準(zhǔn)確跟蹤的要求。
　　本文闡述了目標(biāo)跟蹤和濾波算法的發(fā)展情況，明確目標(biāo)跟蹤的核心問題。建立了目標(biāo)跟蹤的常用模型，并闡述了基于貝葉斯濾波理論的目標(biāo)跟蹤原理及流程，進行仿真驗證。從線性Kalman濾波入手，推導(dǎo)分析了三種非線性濾波算法EKF、UKF和CKF的精度和等效flops復(fù)雜度，總結(jié)了各種算法的適用模型和優(yōu)缺點。提出當(dāng)前比較熱門的UKF和CKF算法對不同維數(shù)下的非

3、線性模型進行仿真實驗，比較均方根誤差，進而確定當(dāng)系統(tǒng)狀態(tài)維數(shù)n3時，選擇CKF濾波算法的必要性。將CKF結(jié)合Mean Shift，通過CKF算法不斷預(yù)測更新目標(biāo)下一幀初始點位置，從而彌補Mean Shift跟蹤算法的不足，將新算法應(yīng)用在某運動狀態(tài)可控的小車視頻中，改變小車的運動狀態(tài)。通過分析比較兩種算法的跟蹤精度，驗證了新算法的跟蹤性能。將傳統(tǒng)的CKF算法進行改進，結(jié)合MFNN和自適應(yīng)濾波理論提出了一種適用于模型噪聲統(tǒng)計特性不確定情況下