基于粒子滤波的多目标跟踪算法研究

论文摘要

视频目标跟踪技术是计算机视觉领域中的热点问题之一,该技术在军事制导、安全监控、交通监测等军事和国民生产方面有广阔的应用前景和巨大的经济价值。近年来,粒子滤波受到了广泛关注,被成功的运用于非线性非高斯滤波问题,如视频目标跟踪问题。粒子滤波通过非参数化的蒙特卡罗模拟方法来实现递推贝叶斯滤波,适用于任何能用状态空间模型表示的非线性系统。视频多目标跟踪算法比单目标跟踪面临更为复杂的情况,包括目标数目的动态变化,多目标之间的遮挡、合并和分离等。论文的研究目标是针对视频多目标跟踪中需要解决的复杂情形,利用粒子滤波实现一种具有鲁棒性、准确性的多目标跟踪算法。本文分别对视频多目标跟踪中的目标检测算法和目标跟踪算法两部分进行了大量研究以及仿真分析。首先,介绍了几种常见的目标检测算法,并重点研究了混合高斯背景建模法,提出一种简化的阴影去除算法,提高了目标检测算法效率。其次,论述了粒子滤波的相关理论与粒子滤波跟踪算法,并用实验证明粒子滤波算法在处理多目标遮挡时有较高的可靠性。再次,详细介绍了一种常用的快速有效的Mean Shift目标跟踪算法。最后,在前面的研究基础上提出了一种基于粒子滤波的多目标跟踪算法。该算法采用自适应混合滤波思想跟踪多目标,可以有效处理多目标遮挡情况下的跟踪,提高了目标跟踪的效率。同时,对多目标的初始化和终止模块进行了改进,能够有效鉴别目标的出现和消失,降低了噪声及杂波的干扰,提高了跟踪系统的准确性和鲁棒性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 视频多目标跟踪背景及意义
• 1.2 视频多目标跟踪概述
• 1.3 视频多目标跟踪难点与创新
• 1.4 本文工作及安排
• 第二章 视频目标检测算法
• 2.1 引言
• 2.2 常用目标检测方法
• 2.2.1 帧间差分法
• 2.2.2 背景差分法
• 2.2.3 光流法
• 2.3 自适应混合高斯背景建模法
• 2.3.1 混合高斯背景建模法
• 2.3.2 阴影去除算法及改进
• 2.4 仿真实验
• 2.5 小结
• 第三章 粒子滤波算法
• 3.1 引言
• 3.2 贝叶斯滤波原理
• 3.2.1 状态空间模型
• 3.2.2 贝叶斯滤波
• 3.3 粒子滤波原理
• 3.3.1 序贯重要性采样
• 3.3.2 重采样方法
• 3.4 粒子滤波目标跟踪算法
• 3.4.1 目标模型
• 3.4.2 粒子滤波跟踪算法
• 3.5 仿真实验
• 3.6 小结
• 第四章 Mean Shift 算法
• 4.1 引言
• 4.2 Mean Shift 理论
• 4.2.1 核密度估计方法
• 4.2.2 Mean Shift 原理
• 4.3 Mean Shift 目标跟踪算法
• 4.4 仿真实验
• 4.5 小结
• 第五章 基于粒子滤波的多目标跟踪算法
• 5.1 引言
• 5.2 视频多目标跟踪算法
• 5.3 基于粒子滤波的多目标跟踪算法
• 5.3.1 基于推理的多目标关联
• 5.3.2 自适应混合滤波算法
• 5.3.3 基于直线拟合的目标初始化
• 5.3.4 目标终止
• 5.4 仿真实验
• 5.5 小结
• 第六章 总结与展望
• 致谢
• 参考文献
• 硕士在读期间发表论文