基于粒子濾框架的視頻目標跟蹤研究.pdf

1、視頻目標跟蹤是計算機視覺領域的一個重要分支，它廣泛地應用在軍事制導、交通監(jiān)控、醫(yī)學診斷等多個領域，是當今熱門的研究課題之一。本文以粒子濾波方法為跟蹤框架，從框架本身和目標特征兩個方面展開研究，前者為跟蹤算法提供結構支持，而后者則使跟蹤算法能夠適用于不同的跟蹤環(huán)境，二者互相補足，共同影響整個跟蹤的有效性。
　　 本文首先從理論角度介紹了粒子濾波方法的原理、特性、及其在視頻跟蹤中如何扮演框架角色；然后簡單介紹了一個經典尋優(yōu)方法--均

2、值偏移，該方法將作為優(yōu)化工具應用在跟蹤框架和邊緣特征匹配過程中；接下來，本文針對顏色、邊緣、輪廓三個經典特征展開論述，介紹了各特征的提取和匹配，以及在跟蹤框架下的應用；最后本文將跟蹤框架、目標特征、以及各個優(yōu)化細節(jié)整合在一起，得到完整的視頻跟蹤算法，并通過實驗仿真分析和驗證了算法的有效性。下面從跟蹤框架和目標特征兩個方面介紹具體的研究內容和成果：
　　 在跟蹤框架方面，粒子濾波跟蹤框架使用目標的運動模型作為系統(tǒng)狀態(tài)轉移模型，傳統(tǒng)

3、的目標速度是通過最近若干幀的速度均值計算得到的，并且基于勻速假設，這樣會導致跟蹤滯后，本文則對最近若干幀的速度做加權平均，并利用二階近似的物理運動模型作為狀態(tài)轉移模型，以得到更加符合目標實際運動情況的預測結果。
　　 另外，針對粒子濾波計算量大的問題，本文利用均值偏移方法對粒子進行聚類，并將這一過程調整到重采樣之前，以實現對粒子位置和權值的雙重聚類，不僅提高了粒子表征性能，從而減少算法對粒子數量的要求，而且也降低了傳統(tǒng)聚類過程中

4、的權值信息損失。
　　 在目標特征方面，本文選擇了三種經典特征進行融合以實現高適應性、高魯棒性的目標跟蹤。其中，針對傳統(tǒng)的顏色特征相似性度量，本文采用更適用于計算機仿真的計算方法，能夠在一定程度上提高匹配精度，并節(jié)省計算時間。
　　 同時，針對傳統(tǒng)邊緣特征匹配準確度差的缺點，本文提出一種新的改進方法，它使用一系列灰度級形態(tài)學操作優(yōu)化邊緣特征的提取過程，并利用均值偏移方法的局部尋優(yōu)特性，將目標模型和候選模型的邊緣信息校正到

5、各自的穩(wěn)定狀態(tài)，然后再進行匹配，這種方法提取出的相似度能夠準確反映出候選模型的真實權值分布。并且，針對不同跟蹤環(huán)境，本文還給出了相應的匹配策略，并得到了較為滿意的效果。
　　 另外，本文還將輪廓特征引入算法，以進一步提高跟蹤性能。最后，通過融合三種特征，得到最終的跟蹤結果。實驗結果證明，本文算法能夠綜合各特征的優(yōu)點，成功實現多種環(huán)境下對目標的跟蹤，同時，借助粒子濾波框架的預測特性和融合策略，在目標暫時被遮擋或某些特征失效的情況下