基于人類視覺機制的自適應粒子濾波目標跟蹤研究.pdf

1、目標跟蹤作為計算機視覺領域的核心課題之一，旨在研究視頻序列中運動目標的跟蹤問題，是視頻分析和理解的基礎。它融合了人工智能、模式識別、圖像處理、自動控制以及計算機等多學科知識，廣泛應用于智能視頻監(jiān)控、醫(yī)療診斷、機器人視覺、軍事等多個領域，有著非常重要的科學價值和廣闊的應用前景。
　　確定性方法和概率方法是兩類主要的目標跟蹤方法，粒子濾波跟蹤算法作為典型的概率跟蹤方法，以其良好的跟蹤性能、較強的跟蹤魯棒性，擺脫了傳統方法解決非線性問題

2、所采用的隨機量必須滿足高斯分布的約束，廣泛應用于目標跟蹤領域。
　　隨著運動目標狀態(tài)的變化，目標特征受到復雜背景、光照變化、目標尺度、姿態(tài)變化等諸多因素的影響也會發(fā)生變化，因此，利用單一特征難以實現復雜背景環(huán)境下目標多種運動狀態(tài)的準確表示，導致跟蹤精度較低，跟蹤魯棒性差。針對此類問題，以多種特征信息之間的互補為出發(fā)點，結合粒子濾波，本文提出了一種基于自適應特征融合的目標跟蹤算法，該算法相對于傳統基于單一特征目標跟蹤算法具有較高的跟

3、蹤精度和較強的跟蹤魯棒性，但是由于它需要分別計算目標多種特征，增大了算法的計算量，跟蹤的實時性難以得到保證。為了解決此類問題，基于人類視覺的智能性特點，模擬人類視覺在跟蹤目標過程中的學習性和記憶性，結合粒子濾波算法，提出一種基于人類視覺機制的目標跟蹤算法。主要的研究內容包括:
　　1.基于貝葉斯估計理論對目標跟蹤問題進行描述，引出蒙特卡羅粒子濾波方法，詳細介紹了重要性采樣、序貫重要性采樣以及粒子退化問題，分析粒子退化的原因以及對算

4、法的影響，給出了粒子退化程度的衡量標準，總結了經典粒子濾波算法。
　　2.針對利用單一特征難以實現復雜背景環(huán)境下目標多種運動狀態(tài)準確表示的問題，基于多種特征的適應性場景不同，利用特征信息之間的優(yōu)勢互補，采用自適應特征融合方法，融合多種目標特征，避免單一特征的局限性，根據特征可信度給不同特征分配不同的權重，提高可靠信息的利用率，降低不確定信息的影響，結合粒子濾波算法，實現對目標的穩(wěn)定跟蹤。通過多組對比實驗，驗證了該算法具有較好的跟蹤