基于粒子濾波的行人跟蹤算法研究.pdf

1、目標(biāo)跟蹤在視頻監(jiān)控、智能人機(jī)交互、機(jī)器人視覺導(dǎo)航、智能交通、行為分析以及醫(yī)療診斷等方面有著廣泛的應(yīng)用。在目標(biāo)跟蹤的大多數(shù)場景中行人是跟蹤的主要目標(biāo)，行人跟蹤在目標(biāo)跟蹤中有著重要的研究意義和應(yīng)用價值。但是，由于人體運動的隨意性，且經(jīng)常會有光照、行人姿態(tài)變化、復(fù)雜背景以及遮擋等影響，使得復(fù)雜環(huán)境下行人跟蹤仍然面臨許多問題，而現(xiàn)有行人跟蹤算法研究缺少魯棒性好的觀測模型，對行人特征進(jìn)行描述來適應(yīng)各種復(fù)雜環(huán)境，從而在現(xiàn)實中缺少適用性，也無法實現(xiàn)準(zhǔn)

2、確、魯棒的跟蹤;另一方面，目前多個行人的跟蹤算法研究相對較少，已有的算法大多數(shù)只是在靜態(tài)背景下進(jìn)行行人跟蹤，很少有實現(xiàn)移動背景的行人跟蹤;另外，當(dāng)前的行人跟蹤研究多采用單個視頻數(shù)據(jù)，存在跟蹤視野范圍小、信息量少且因視覺角度造成行人間的相互遮擋等缺點，因而在人數(shù)較多的場景下很難對其所有行人進(jìn)行準(zhǔn)確跟蹤。
　　 由于粒子濾波能夠處理任意非線性、非高斯分布的系統(tǒng)，而該系統(tǒng)更能準(zhǔn)確描述實際場景中的跟蹤問題，因此本文基于粒子濾波理論，針對

3、上述問題提出相應(yīng)的行人跟蹤算法，主要研究內(nèi)容包含以下幾個方面:
　　 1)基于粒子采樣優(yōu)化的粒子濾波理論，通過多特征融合的方法來提高觀測模型的魯棒性，提出了模擬退火粒子群的粒子濾波多特征行人跟蹤算法。本文從單人跟蹤問題出發(fā)，針對粒子濾波算法中粒子多樣性匱乏現(xiàn)象，根據(jù)粒子群與粒子濾波的相似性和模擬退火對粒子群全局極值條件的改進(jìn)，采用模擬退火粒子群算法對粒子采樣結(jié)果進(jìn)行優(yōu)化;接著圍繞視頻圖像中單人跟蹤問題，對狀態(tài)空間模型進(jìn)行改進(jìn)，增

4、強(qiáng)粒子對目標(biāo)的跟蹤能力;鑒于單個行人特征的觀測模型在復(fù)雜環(huán)境和背景、噪聲干擾等因素影響下所具有的目標(biāo)識別能力有限，在設(shè)計觀測模型時，結(jié)合三種相互間具有互補(bǔ)性的特征信息，并自適應(yīng)的調(diào)整特征權(quán)重，從而提高算法在觀測中對目標(biāo)的鑒別。與單個特征的行人跟蹤相比，算法在跟蹤精度和穩(wěn)定性都有所提高，且在目標(biāo)平移、姿態(tài)變化、復(fù)雜背景以及部分遮擋等情況下仍然獲得了較好的跟蹤結(jié)果。
　　 2)在靜態(tài)背景和移動背景的行人跟蹤中，引入特征包算法，將數(shù)量

5、較大的特征集合轉(zhuǎn)化為數(shù)量較小的特征字典和包來建立判決性模型，有效地解決多個行人特征提取復(fù)雜性的問題，提出了基于判決性模型的多人視頻跟蹤算法。在行人跟蹤中，多個行人的跟蹤與單個行人相比更為復(fù)雜，而采用多個特征進(jìn)行多人跟蹤會導(dǎo)致計算量較大，因而不適用于解決多人跟蹤問題。鑒于此，本文引入計算簡單、算法復(fù)雜度低的特征包算法，并結(jié)合超像素和局部二值模式(LBP)塊特征的提取，共同建立判決性模型，來對視頻序列中的行人進(jìn)行判定。與常規(guī)跟蹤算法不同，本

6、文的多人跟蹤算法在檢測階段提出了適用于靜態(tài)背景和移動背景下的兩種檢測方法，提高了算法的適用性;同時，針對多人跟蹤過程中經(jīng)常會出現(xiàn)行人間的相互遮擋進(jìn)行處理，以防止因目標(biāo)遮擋引起的漂移和目標(biāo)丟失現(xiàn)象。實驗結(jié)果表明，提出的跟蹤算法在處理如目標(biāo)的平移、遮擋、行人間的干擾、光照和行走速度的變化以及相似物的干擾等復(fù)雜情況具有較好的穩(wěn)定性和魯棒性。
　　 3)針對行人較密集場景中多個行人間的遮擋問題，結(jié)合視頻圖像的特征信息和激光點云的三維信息

7、，提出了基于視頻圖像和激光點云的多人跟蹤算法。在行人較多的場景，采用單一的視頻數(shù)據(jù)因行人相互遮擋造成跟蹤信息的缺失，因而很難對所有行人進(jìn)行準(zhǔn)確跟蹤。因此，本文首先對激光點云數(shù)據(jù)進(jìn)行解譯、分類和檢測，得出具有較好檢測性能的分類參數(shù)，從而將行人和車輛數(shù)據(jù)分離出來;然后通過標(biāo)定的方法實現(xiàn)視頻圖像和激光點云數(shù)據(jù)的融合，并利用兩種數(shù)據(jù)間的互補(bǔ)性對融合后的興趣區(qū)域進(jìn)行分析;利用行人檢測結(jié)果與粒子濾波跟蹤算法的結(jié)合，對粒子狀態(tài)與檢測進(jìn)行關(guān)聯(lián)，并對行人