遮擋情況下目標跟蹤算法的研究.pdf

1、目標跟蹤是計算機視覺的一個重要分支，融合了圖像處理、模式識別、人工智能、自動控制以及計算機應用技術等相關領域的先進技術和研究成果。實現(xiàn)目標跟蹤的關鍵在于完整地分割目標，合理、快速地提取特征和準確地識別目標，同時要考慮算法實現(xiàn)的時間，保證實時性。在復雜環(huán)境下對目標進行跟蹤是非常困難的，僅僅依靠一種或少數(shù)幾種識別手段很難準確地進行目標識別，必須盡可能利用多個目標屬性、多種方法，進行目標綜合識別和跟蹤。 復雜場景中遮擋目標的跟蹤一直是

2、目標跟蹤領域的困難問題。本文主要針對跟蹤過程中的遮擋難題進行研究，詳細論述了mean—shift、Kalman濾波、粒子濾波、交互式多模型等算法，在分析算法對遮擋處理的優(yōu)缺點的基礎上，對其進行綜合有效地改進。論文的主要工作有： （1）提出了一種結合均值漂移和粒子濾波的跟蹤算法：利用改進的均值漂移算法跟蹤目標，根據(jù)目標搜索公式確定遮擋因子，判斷遮擋程度；當目標被嚴重遮擋時，采用mean—shift篩選出權重粒子，建立更新模板，持續(xù)

3、、穩(wěn)健地跟蹤目標。算法實時性強，克服了粒子濾波器的退化現(xiàn)象并有效縮短了計算時間，解決了跟蹤過程中目標的部分遮擋和全遮擋問題。 （2）提出了一種改進的基于Kalman濾波和粒子濾波的交互式多模型跟蹤算法：利用卡爾曼濾波匹配系統(tǒng)線性部分，粒子濾波匹配非線性部分，根據(jù)匹配深度來判斷目標受遮擋的程度，采用迭代的多級粒子濾波方法進行重采樣，并結合卡爾曼濾波更新模型概率，解決跟蹤過程中的嚴重遮擋問題。改進算法提高了模型濾波速度和目標狀態(tài)的估