面向视频的粒子滤波目标跟踪算法研究

论文摘要

运动目标跟踪是计算机视觉研究的核心课题之一,其融合了模式识别、人工智能、图像处理等较多领域的先进技术,它通过对摄像机获得的图像序列进行分析,得到目标的运动参数,并且反馈给跟踪系统,为视频序列的分析和理解提供依据和基础。运动目标跟踪系统的精确度和实时性直接影响到高层视频序列分析和理解的准确性,是智能视频监控系统中的关键指标,如何提高精确度和实时性是运动目标跟踪系统的研究热点,具有重要的应用背景。粒子滤波跟踪算法是最常用的运动目标跟踪方法,本文旨在针对该方法的不足,提出对应的改进方法。本文的主要工作和成果如下：1.针对基本粒子滤波目标跟踪方法中,当背景颜色与目标颜色相似时,会出现大量粒子脱离真实运动目标的问题,本文使用一种基于累加直方图的粒子滤波目标跟踪方法来对运动目标进行跟踪。该方法利用累加直方图代替一般颜色直方图来描述运动目标特征,体现了颜色轴上的距离与颜色分布相似性之间的关系,对于颜色的区分更准确。2.针对基本粒子滤波目标跟踪方法中粒子数多时跟踪实时性差、粒子数少时跟踪误差大的不足,本文提出了一种基于粒子位置调整的粒子滤波跟踪方法,该方法可以更充分利用每个粒子,使它们能更真实的反映目标的位置,用更少的粒子来实现较好的跟踪效果,提高粒子滤波跟踪的准确性和实时性。3.本文在基于粒子位置调整的粒子滤波跟踪方法的基础上,对该方法进行扩展,实现了多目标粒子滤波跟踪方法。由于多目标粒子滤波跟踪可转变为对多个单目标进行粒子滤波跟踪,需要给每个粒子滤波器都分配相同的粒子数,粒子的总数会随着目标数目的增加呈现指数形式增长,如果可以减少跟踪使用的粒子数,将节省大量的跟踪时间,也会更大程度的提高粒子滤波算法的跟踪效率。就以上三个方面进行实验验证,实验数据证明,相对于基本粒子滤波跟踪方法,本文提出的改进方法的跟踪效果更准确,是有效的运动目标跟踪方法。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 目标跟踪技术的研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 本文研究的主要内容
• 1.3.1 研究目标
• 1.3.2 研究内容
• 1.4 论文组织
• 第2章 粒子滤波目标跟踪算法介绍
• 2.1 目标跟踪算法
• 2.1.1 基于匹配的跟踪方法
• 2.1.2 基于滤波的跟踪方法
• 2.1.3 基于检测的跟踪方法
• 2.2 粒子滤波算法
• 2.2.1 蒙特卡罗方法
• 2.2.2 递归贝叶斯估计
• 2.2.3 序贯重要性采样
• 2.2.4 重采样
• 2.2.5 基本粒子滤波算法步骤
• 2.3 基本粒子滤波算法的不足之处
• 2.4 本章小结
• 第3章 累加直方图的粒子滤波跟踪方法
• 3.1 引言
• 3.2 一般颜色直方图和累加直方图
• 3.2.1 一般颜色直方图
• 3.2.2 累加直方图
• 3.3 基于累加直方图的粒子滤波目标跟踪方法
• 3.3.1 累加直方图和粒子的初始化
• 3.3.2 更新目标的范围
• 3.3.3 计算临时累加直方图和粒子权重
• 3.3.4 估计目标位置并计算新的目标累加直方图
• 3.3.5 更新目标累加直方图
• 3.3.6 重采样
• 3.3.7 粒子传播
• 3.4 实验结果比较和分析
• 3.5 本章小结
• 第4章 基于粒子位置调整的粒子滤波跟踪方法
• 4.1 引言
• 4.2 粒子位置调整
• 4.3 算法流程
• 4.3.1 累加直方图和粒子的初始化
• 4.3.2 更新目标的范围
• 4.3.3 计算粒子权重
• 4.3.4 权重排序
• 4.3.5 调整粒子位置
• 4.3.6 重新计算粒子权重
• 4.3.7 估计目标位置
• 4.3.8 更新目标累加直方图
• 4.3.9 重采样
• 4.3.10 粒子传播
• 4.4 实验结果和分析
• 4.5 本章小结
• 第5章 多目标粒子滤波跟踪方法
• 5.1 引言
• 5.2 算法流程
• 5.2.1 目标检测
• 5.2.2 建立帧间关系矩阵
• 5.2.3 数据关联处理
• 5.2.4 基于粒子位置调整的粒子滤波算法
• 5.3 实验结果与分析
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 攻读学位期间参加的科研项目和成果