全景視覺動態(tài)目標(biāo)檢測與跟蹤技術(shù)研究.pdf

1、基于全景視覺的動態(tài)目標(biāo)檢測與跟蹤，在安防監(jiān)控、輔助駕駛、現(xiàn)場監(jiān)測、車載巡檢、飛行器制導(dǎo)及空間機(jī)器人等方面都有直接或潛在的應(yīng)用前景，其相關(guān)檢測與跟蹤技術(shù)具有重要的研究意義。本文針對全景視覺亟待解決的一些關(guān)鍵問題進(jìn)行深入的研究。 （1）針對全景視覺圖像畸變嚴(yán)重問題，本文對Horn-Schunck光流技術(shù)進(jìn)行改進(jìn)，并提出基于Horn-Schunck的Gabor濾波模型，對光流圖像進(jìn)行Gabor濾波分解，在此光流子圖像上進(jìn)行分割，提取動

2、態(tài)目標(biāo)。實驗證明，該方法克服了傳統(tǒng)光流分割技術(shù)復(fù)雜、背景噪聲大的缺點，提高了動態(tài)目標(biāo)檢測能力。 （2）為了找出最佳性能的濾波器進(jìn)行動態(tài)目標(biāo)跟蹤，本文對多種粒子濾波算法（PF、EPF和UPF）進(jìn)行研究，采用三種進(jìn)化計算方法（PSO、GA、EP）優(yōu)化粒子濾波（PF、EPF和UPF）。提出改進(jìn)粒子群優(yōu)化PF算法（PSO_PF），使得粒子集不斷地向真實狀態(tài)靠近。并提出將改進(jìn)的粒子群算法與遺傳算法相結(jié)合（PSO_GA），或與進(jìn)化規(guī)劃算法相

3、結(jié)合（PSO_EP），全面優(yōu)化PF算法、EPF算法，避免了采用單一算法進(jìn)行優(yōu)化帶來的不足和缺陷。在此基礎(chǔ)上本文還提出采用進(jìn)化計算方法優(yōu)化EPF和UPF，包括粒子群優(yōu)化EPF（PSO_EPF），遺傳算法優(yōu)化EPF（GA_EPF），進(jìn)化規(guī)劃優(yōu)化EPF（EP_EPF），粒子群優(yōu)化UPF（PSO_UPF），遺傳算法優(yōu)化UPF（GA_ UPF），進(jìn)化規(guī)劃優(yōu)化UPF（EP_UPF）。實驗表明本文提出的改進(jìn)算法較好地解決了粒子退化問題，提高了估計精度