隨機(jī)概率模型視覺目標(biāo)跟蹤理論及應(yīng)用研究.pdf

1、隨著微電子計(jì)算機(jī)技術(shù)的迅猛發(fā)展和人們安全意識(shí)的日益增長(zhǎng)，智能視頻監(jiān)控得到越來越多的重視和進(jìn)展，有著廣闊的應(yīng)用前景。視覺跟蹤是智能視頻監(jiān)控的研究熱點(diǎn)和核心技術(shù)之一?；陔S機(jī)概率模型的目標(biāo)跟蹤對(duì)非線性問題的處理能力和對(duì)背景干擾的魯棒性等方面相對(duì)于其他確定性算法有著明顯的優(yōu)勢(shì)，是視覺跟蹤的一種重要理論和方法。本文針對(duì)隨機(jī)概率模型中的系統(tǒng)動(dòng)態(tài)模型對(duì)快速隨機(jī)運(yùn)動(dòng)目標(biāo)的跟蹤魯棒性和觀測(cè)模型中強(qiáng)干擾背景下的有效觀測(cè)以及應(yīng)用中的關(guān)鍵問題，進(jìn)行了深入的理

2、論和實(shí)驗(yàn)研究。論文的主要內(nèi)容如下:
　　第一章，詳細(xì)地闡述了本課題的研究背景、目的和意義，綜述視覺跟蹤理論和隨機(jī)概率模型視覺目標(biāo)跟蹤在國(guó)內(nèi)外的研究應(yīng)用現(xiàn)狀和發(fā)展趨勢(shì)，最后針對(duì)隨機(jī)概率模型視覺目標(biāo)跟蹤方法存在的主要問題和挑戰(zhàn)，給出了本課題的主要研究?jī)?nèi)容和研究思路。
　　第二章，對(duì)隨機(jī)概率模型視覺目標(biāo)跟蹤的基礎(chǔ)理論進(jìn)行了研究，并深入地分析了隨機(jī)概率模型視覺目標(biāo)跟蹤中隨機(jī)動(dòng)態(tài)傳播模型和目標(biāo)似然概率模型對(duì)跟蹤效果的影響。
　　

3、第三章，在隨機(jī)概率模型目標(biāo)跟蹤理論的基礎(chǔ)上，對(duì)目標(biāo)快速運(yùn)動(dòng)情況下的問題進(jìn)行了深入的研究。針對(duì)復(fù)雜動(dòng)態(tài)系統(tǒng)下快速運(yùn)動(dòng)目標(biāo)的跟蹤問題，提出了基于運(yùn)動(dòng)參數(shù)估計(jì)和副粒子漂移的運(yùn)動(dòng)自適應(yīng)粒子濾波算法和基于粒子分布臨界估計(jì)和狀態(tài)轉(zhuǎn)移的運(yùn)動(dòng)自適應(yīng)粒子濾波算法。通過和CAM-Shift算法、標(biāo)準(zhǔn)粒子濾波算法(PF)，速度自適應(yīng)粒子濾波算法（VAPF）和記憶粒子濾波算法(MPF)算法的實(shí)驗(yàn)對(duì)比，對(duì)算法的有效性和魯棒性進(jìn)行了驗(yàn)證。
　　第四章，研究了

4、輪廓目標(biāo)的隨機(jī)概率模型和多目標(biāo)情況下的概率排他性原則的概率模型。針對(duì)復(fù)雜場(chǎng)景下的輪廓跟蹤魯棒性問題，提出了基于內(nèi)側(cè)輪廓模型的多特征融合粒子濾波輪廓跟蹤算法。該算法將輪廓特征、局部顏色特征和全局顏色特征自然地融合在一起，構(gòu)建出一個(gè)新的內(nèi)側(cè)輪廓模型似然函數(shù)，在粒子濾波的框架下，實(shí)現(xiàn)了復(fù)雜動(dòng)態(tài)背景下的輪廓跟蹤。同時(shí)，本章還將內(nèi)側(cè)輪廓模型和概率排他性原則相結(jié)合，提出了一種基于內(nèi)側(cè)輪廓模型的多輪廓目標(biāo)跟蹤算法，實(shí)現(xiàn)了在復(fù)雜場(chǎng)景下，多輪廓目標(biāo)遮擋情

5、況下的魯棒跟蹤。實(shí)驗(yàn)結(jié)果表明，所提出的輪廓跟蹤算法能在復(fù)雜且具有眾多類似目標(biāo)干擾的情況下實(shí)現(xiàn)有效的穩(wěn)定跟蹤。
　　第五章，針對(duì)人機(jī)交互中手勢(shì)識(shí)別和跟蹤的準(zhǔn)確性和實(shí)時(shí)性問題，采用Monte Carlo隨機(jī)采樣來擬合三次Bezier曲線，實(shí)現(xiàn)對(duì)手部輪廓曲率精確估計(jì)的指尖檢測(cè)。研究了隨機(jī)概率模型的手勢(shì)識(shí)別和跟蹤，提出一種特征三角形分析的特殊手勢(shì)識(shí)別和跟蹤方法。通過實(shí)驗(yàn)結(jié)合分析表明，本章所提出的算法能在不同形態(tài)和場(chǎng)景下實(shí)時(shí)準(zhǔn)確地檢測(cè)出手勢(shì)