基于运动信息的粒子滤波算法

论文摘要

视频目标跟踪是计算机视觉领域的一个核心分支，其主要任务是跟踪图像序列中的运动目标，为视频分析和理解提供重要的数据依据。视频目标跟踪技术已经在军事、民用以及医疗等领域被越来越多的人们所应用。因此研究视频目标跟踪技术具有非常重要的学术意义和实用价值。在视频目标跟踪方面，传统的粒子滤波算法采用状态转换分布直接作为提议分布，由于这种提议分布忽略了当前时刻目标的测量值，因此从该提议分布中提取的一部分粒子不仅会耗费很多的计算时间，而且会降低目标跟踪的效果。在本文中，我们结合由H.264视频压缩编码方法所得到的运动矢量对每个阶段的所有粒子的质量进行判别，替换掉那些影响跟踪效果的粒子，同时将质量好的粒子保留下来，来提高目标跟踪的准确性。通过与传统的condensation算法进行比较，可以证明我们提出的改进粒子滤波算法对视频目标跟踪具有更好的准确性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 目标跟踪技术国内外研究现状
• 1.3 粒子滤波的发展及研究现状
• 1.4 研究内容和本文所做的工作
• 1.5 本文的组织结构
• 第二章 视频目标跟踪技术
• 2.1 视频目标跟踪的问题描述
• 2.2 视频目标跟踪的算法分类
• 2.3 目标跟踪的相关技术
• 2.4 常用滤波器介绍
• 2.5 跟踪问题的困扰因素
• 2.6 本章小结
• 第三章 粒子滤波算法
• 3.1 引言
• 3.2 粒子滤波
• 3.2.1 贝叶斯估计理论
• 3.2.2 贝叶斯滤波的蒙特卡罗积分
• 3.2.3 基本粒子滤波算法描述
• 3.2.4 粒子滤波算法的收敛性
• 3.2.5 粒子数目的选取
• 3.3 本章小结
• 第四章 基于运动矢量的粒子滤波目标跟踪新算法
• 4.1 引言
• 4.2 源视频跟踪前的处理
• 4.3 目标跟踪新算法
• 4.3.1 运动目标质心的位移矢量
• 4.3.2 基于运动矢量的粒子滤波目标跟踪新算法
• 4.4 性能仿真
• 4.5 本章小结
• 第五章 总结与展望
• 致谢
• 参考文献