非退化粒子滤波及其在目标跟踪中的应用研究

论文摘要

传统粒子滤波存在粒子退化以及粒子多样性减弱问题，这在一定程度上制约了粒子滤波的发展。粒子滤波的应用环境往往比较复杂，这也对粒子滤波的估计精度和鲁棒性提出了更高的要求。本文在对粒子滤波的国内外研究现状进行深入探讨的基础上，研究非退化粒子滤波，并将其应用在动态背景下的目标跟踪中。全文主要内容如下：1、针对粒子退化及粒子多样性减弱问题，将粒子群优化思想融合到粒子滤波的采样阶段，提出非退化粒子滤波算法。该算法在采样前，首先取上一时刻权重最大的粒子状态作为最优值，然后根据改进算法的粒子移动策略，将重采样后的粒子移向最优值周围的高似然区域，增加了采样阶段的粒子多样性和有效性。论文还构造了改进算法的建议分布，并从理论角度分析了所构造建议分布的可计算性。2、针对系统重采样算法中舍弃或保留粒子方法的不足和复制粒子导致的多样性减弱问题，提出非退化粒子滤波重采样算法。该算法采用新的舍弃和保留粒子的方法，保证被保留的粒子都具有较大的权值；然后采用高斯方法产生新的粒子，而非重复复制，增加重采样阶段的粒子多样性和有效性，有效缓解了粒子的退化。3、将非退化粒子滤波应用于动态背景目标跟踪中，实现了一种基于非退化粒子滤波的跟踪算法。在目标快速运动、部分遮挡及形态变化、光照变化等情况下，该算法都具有较好的鲁棒性。对比实验也表明论文算法要优于标准的粒子滤波跟踪算法，对动态背景下的目标跟踪具有更强的适应性。

论文目录

• 摘要
• ABSTRACT
• 致谢
• 第一章 绪论
• 1.1 课题依据与意义
• 1.2 粒子滤波研究背景
• 1.3 目标跟踪的相关技术
• 1.3.1 特征提取
• 1.3.2 多目标跟踪
• 1.4 研究内容及结构安排
• 第二章 粒子滤波基本理论
• 2.1 引言
• 2.2 贝叶斯滤波估计
• 2.3 蒙特卡罗分析
• 2.4 粒子滤波原理
• 2.4.1 贝叶斯重要性采样
• 2.4.2 序列重要性采样
• 2.4.3 粒子集重采样
• 2.4.4 粒子滤波基本算法流程
• 2.5 本章小结
• 第三章 非退化粒子滤波方法研究
• 3.1 引言
• 3.2 粒子滤波存在的问题
• 3.3 粒子群优化算法
• 3.4 本文算法
• 3.4.1 改进的粒子群优化粒子滤波算法
• 3.4.2 建议分布的构造及其可计算性
• 3.5 仿真结果与分析
• 3.6 本章小结
• 第四章 改进的粒子滤波重采样方法
• 4.1 引言
• 4.2 系统重采样算法及其存在的问题
• 4.2.1 系统重采样算法原理及其实现
• 4.2.2 系统重采样算法存在的问题
• 4.3 改进的粒子滤波重采样方法
• 4.4 仿真结果与分析
• 4.5 本章小结
• 第五章 基于粒子滤波的目标跟踪
• 5.1 引言
• 5.2 目标跟踪模块设计
• 5.2.1 目标的先验知识
• 5.2.2 目标运动模型
• 5.2.3 目标观测模型
• 5.2.4 后验概率计算
• 5.2.5 重采样
• 5.2.6 基于粒子滤波的目标跟踪流程
• 5.3 多特征融合
• 5.4 实验结果与分析
• 5.4.1 复杂背景及目标快速运动视频的实验结果与分析
• 5.4.2 遮挡及形态变化视频的实验结果与分析
• 5.4.3 光照变化视频的实验结果与分析
• 5.4.4 视频多目标跟踪的实验结果与分析
• 5.5 本章小结
• 第六章 总结与展望
• 参考文献
• 攻读硕士学位期间参与的科研项目
• 攻读硕士学位期间发表的学术论文