基于粒子滤波的视频序列目标跟踪算法的研究与实现

论文摘要

视频序列中运动目标跟踪技术是计算机视觉领域最活跃的课题之一,它涉及到图像处理、模式识别、自动控制等诸多领域,具有较强的研究价值。基于粒子滤波理论的目标跟踪算法是一种优秀的跟踪算法,具有很强的实时性和鲁棒性,并且在目标被遮挡的情况下能够基本准确的跟踪到视频序列中的运动目标,因此在目标跟踪领域得到了广泛的关注。基本的均值偏移算法能够处理简单的目标跟踪问题,但存在计算复杂度高、处理时间长和目标容易丢失等问题。针对于视频序列的目标跟踪,本文引入了粒子滤波的相关理论。首先根据前景图像手动确定跟踪目标,并根据前几帧的运动状态得出系统运动方程和系统观测方程,将快速运动目标跟踪问题局限在视频序列内部进行讨论。然后基于粒子滤波的相关理论定义,对视频序列进行采样,按均值和方差对粒子进行正态分布,计算粒子的权值；接着,本文对基本粒子滤波算法进行了改进,提出了新的重采样算法,进而预测目标的质心位置。通过理论分析和实验验证发现,在跟踪视频序列的目标方面,粒子滤波算法具有良好的适应性,并且在目标被遮挡的情况下,用均值偏移和粒子滤波相结合,可以基本正确的跟踪到目标的实际位置。接下来,本文对目标跟踪模型进行了三维空间重构,在摄像机标定的前提下对双目立体视觉模型进行分析,并对视频进行调整以达到时间同步的目的。最后,对双目视觉的目标跟踪系统进行了设计和实现,并对规则运动目标、被遮挡目标和不规则运动目标分别进行了分析和实验。从实验结果可以看到,改进的基于粒子滤波的目标跟踪算法能够很好的解决跟踪视频序列的运动目标的问题,降低了算法的复杂度,提高了计算效率,牺牲了较少的处理时间但可以成功的跟踪运动目标并处理目标遮挡情况。通过试验也证明了粒子滤波对视频序列目标跟踪算法的改进是行之有效的。

论文目录

• 摘要
• Abstract
• 目录
• 第1章 绪论
• 1.1 课题的研究背景
• 1.2 研究运动目标检测与跟踪算法的意义
• 1.3 国内外在目标跟踪领域的研究现状
• 1.3.1 算法研究
• 1.3.2 目前应用的算法存在的问题和改进方向
• 1.4 本文的研究内容和组织结构
• 1.4.1 基于粒子滤波的目标跟踪算法
• 1.4.2 本文的结构安排
• 第2章 目标跟踪技术和相关理论
• 2.1 目标跟踪方法
• 2.1.1 基于识别和匹配的目标跟踪
• 2.1.2 基于运动模型的目标跟踪
• 2.1.3 常用目标跟踪算法MeanShift
• 2.2 无参密度估计理论
• 2.2.1 参数密度估计
• 2.2.2 无参密度估计
• 2.3 基本均值偏移算法MeanShift
• 2.3.1 MeanShift向量
• 2.3.2 MeanShift算法在目标跟踪中的应用
• 2.4 粒子滤波概述
• 2.4.1 算法的基本思想
• 2.4.2 目标跟踪问题的粒子化
• 2.5 本章小结
• 第3章 粒子滤波方法的优化研究
• 3.1 跟踪问题的数学描述
• 3.2 基本粒子滤波算法
• 3.3 基本粒子滤波算法存在的问题
• 3.4 半迭代粒子滤波算法的提出
• 3.4.1 基于扩展卡尔曼滤波获取建议分布
• 3.4.2 基于无迹卡尔曼滤波的粒子重提取
• 3.4.3 压缩的重提取操作
• 3.4.4 半迭代粒子滤波流程
• 3.5 仿真实验与评价
• 3.5.1 仿真实验1：不同阈值的迭代粒子滤波性能测试
• 3.5.2 仿真实验2：不同算法的性能比较
• 3.6 本章小结
• 第4章 基于粒子滤波的视频序列目标跟踪算法
• 4.1 基于MeanShift的视频序列目标跟踪
• 4.1.1 Meashift视频序列目标跟踪过程
• 4.1.2 Meashift跟踪算法存在的问题
• 4.2 MeanShift与粒子滤波相结合的目标跟踪
• 4.2.1 整体流程的描述
• 4.2.2 运动方程的建立
• 4.3 粒子滤波与均值偏移的结合
• 4.3.1 均值偏移算法与粒子滤波算法的融合分析
• 4.3.2 基于均值偏移与粒子滤波融合的跟踪算法
• 4.4 目标遮挡情况的处理
• 4.5 本章小结
• 第5章 目标跟踪模型的三维仿真和系统实现
• 5.1 摄像机标定和成像模型
• 5.1.1 投影模型
• 5.1.2 双目立体视觉模型
• 5.2 视频调整和时间同步机制
• 5.3 三维空间重构
• 5.4 改进算法在视频序列目标跟踪中的应用
• 5.4.1 双目摄像头跟踪系统的实现
• 5.4.2 实验结果与分析
• 5.5 本章小结
• 第6章 工作总结与展望
• 6.1 工作总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间发表的论文