復雜環(huán)境下基于粒子濾波的視頻目標跟蹤算法研究.pdf

1、視頻目標跟蹤是計算機視覺領域的一個熱點研究方向，在導航制導、視頻監(jiān)控、人機交互以及醫(yī)療診斷等許多領域都有廣泛的應用前景。視頻目標跟蹤的任務就是跟蹤視頻序列中感興趣的運動目標，獲得目標運動參數(shù)，為進一步處理分析奠定基礎。但是，由于現(xiàn)實中的跟蹤環(huán)境復雜多變，例如目標發(fā)生遮擋、目標自身形變、光照變化以及目標運動規(guī)律突變等，要研究出一種準確度高、魯棒性好、實時性強的視頻目標跟蹤算法仍存在較大的困難。近幾年興起的粒子濾波算法在非線性、非高斯系統(tǒng)中

2、能保持良好魯棒性和準確性，因此越來越多的學者將粒子濾波算法應用于視頻目標跟蹤領域。本文針對復雜環(huán)境下粒子濾波器在視頻目標跟蹤應用中存在的問題，提出了兩種改進的單機動目標跟蹤算法。
　　當目標的狀態(tài)空間的維數(shù)以及粒子數(shù)目增加時，傳統(tǒng)的基于多特征融合的粒子濾波方法計算復雜度呈現(xiàn)指數(shù)增長。本文借鑒分層采樣思想，提出了一種基于分層采樣的自適應多特征融合粒子濾波算法，所提算法將粒子集分割成兩種粒子來綜合表示目標狀態(tài)，每種粒子只需要計算目標的

3、一種特征，因此每種粒子僅需要表征一個較低維的狀態(tài)，既保留了多特征的信息，又降低了計算復雜度。為了突出可信度高的特征的地位，所提算法動態(tài)地根據各特征可信度的大小為可信度高的特征分配更多的粒子。另外，所提算法能夠自適應的更新各特征的融合系數(shù)、粒子總數(shù)、粒子傳播范圍以及特征模板，大大提高了算法對復雜跟蹤場景的適應性。
　　針對粒子濾波算法固有的粒子退化問題以及重采樣步驟導致的粒子匱乏問題，本文提出一種基于局部多區(qū)域劃分的粒子群優(yōu)化遺傳粒

4、子濾波算法。所提算法利用粒子群優(yōu)化思想引導采樣粒子向高似然區(qū)域移動，減緩粒子權值的退化;再通過遺傳算法增加粒子的多樣性，增強算法的全局搜索能力，進而緩解粒子匱乏現(xiàn)象。所提算法將粒子的最新量測信息融入到重要性密度函數(shù)中，使重要性密度函數(shù)更加接近于目標實際的后驗概率分布。另外，當目標被遮擋的時候，所提算法隨機地選擇目標區(qū)域的局部區(qū)域作為粒子狀態(tài)模型，這樣能夠使粒子狀態(tài)模型中盡可能少的包含遮擋干擾，有效克服了目標被遮擋的問題;同時，選擇局部區(qū)