基于粒子滤波器的运动目标跟踪方法研究

基于粒子滤波器的运动目标跟踪方法研究

论文摘要

视觉目标跟踪在视频监控、图像压缩、三维重构、机器人技术等领域有着非常重要的应用。目标跟踪的难点在于物体的突然运动,目标或背景突然改变其外部表现形式,目标的非刚性结构,目标和目标之间的遮挡、目标和背景之间的遮挡,以及摄像头的运动。本文作者主要研究复杂背景下的运动物体的跟踪,旨在提出一种具有较好的实时性、准确性和鲁棒性的运动目标跟踪方法,并能应用到移动机器人技术研究领域。作者首先对视频跟踪技术,特别是粒子滤波技术的基础理论进行了探讨,说明了各种理论应用于视频跟踪时的优劣。对于一个在线的实时跟踪系统来说,目标检测是不可缺少的重要功能,目标参考模型的有效建立依赖于准确的目标检测。因此,检测技术也是本文研究的一个方面。本文作者主要做了三个方面的工作。第一,采用自适应帧差分的方法检测运动目标,针对摄像机在移动的机器人上存在运动和抖动的问题,我们采用运动补偿技术弥补摄像头的运动,并用数学形态学方法消除图像噪声,精确的提取了运动目标。第二,将颜色直方图和边缘直方图结合起来建立目标的参考模型,有效地克服了使用单一特征建模的缺点,提高了跟踪的准确性。分级量化颜色直方图和边缘直方图,降低了光照和形变的影响,并减少了计算量。第三,分别计算目标颜色直方图和目标边缘直方图与粒子的欧几里德距离,使用这两个距离作为粒子权值更新的重要依据。综合权值为基于颜色的权值和基于边缘的权值的加权和,可以根据背景与目标的特征来调整不同的权值的系数,从而有效适应了背景和目标变化时的跟踪。我们在MORCS-2上实现了该跟踪方法。实验结果表明该方法具有较好的实时性、准确性和鲁棒性。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 课题来源及意义
  • 1.2 运动目标跟踪历史和研究现状
  • 1.3 本文工作及论文安排
  • 1.3.1 本论文的研究内容
  • 1.3.2 各章的安排
  • 第二章 粒子滤波相关理论分析
  • 2.1 引言
  • 2.2 贝叶斯最优估计
  • 2.3 卡尔曼滤波
  • 2.4 蒙特卡罗方法
  • 2.5 粒子滤波
  • 2.5.1 粒子滤波的基本算法及其流程
  • 2.5.2 粒子滤波改进算法的研究现状
  • 2.6 小结
  • 第三章 基于时域差分的目标检测技术
  • 3.1 引言
  • 3.2 常用的目标检测技术
  • 3.3 检测与滤除噪声
  • 3.4 运动补偿
  • 3.5 小结
  • 第四章 改进的粒子滤波跟踪算法
  • 4.1 引言
  • 4.2 改进的观测模型
  • 4.2.1 颜色直方图
  • 4.2.2 边缘直方图
  • 4.3 改进的粒子滤波跟踪算法
  • 4.4 实验结果
  • 4.4.1 光照变化时的旋转物体跟踪
  • 4.4.2 PF与MPF的比较
  • 4.5 跟踪技术在MORCS-2机器人上的实现
  • 4.6 小结
  • 第五章 总结与展望
  • 参考文献
  • 致谢
  • 攻读学位期间主要研究成果
  • 相关论文文献

    标签:;  ;  ;  ;  ;  

    基于粒子滤波器的运动目标跟踪方法研究
    下载Doc文档

    猜你喜欢