基于粒子濾波器的智能目標跟蹤算法研究.pdf

1、多目標跟蹤技術(shù)作為計算機視覺領(lǐng)域中的一個研究熱點，在社會的各個領(lǐng)域都具有極其廣泛的應(yīng)用前景。與單目標跟蹤技術(shù)相比，多目標跟蹤技術(shù)仍需解決更多復(fù)雜的問題，包括多目標實時檢測、目標交叉或相互遮擋和實時目標數(shù)目變化等。粒子濾波算法作為一種具有多模式搜索能力的非線性貝葉斯濾波器，能夠在非線性、非高斯空間內(nèi)尋找次優(yōu)解，為多目標跟蹤技術(shù)的研究提供了一個新的視野。
　　因此，本文以粒子濾波算法為理論基礎(chǔ)，對多目標跟蹤算法進行了相關(guān)研究。針對目前

2、基于粒子濾波算法構(gòu)建的多目標跟蹤系統(tǒng)中存在的缺陷，做出了相應(yīng)的改進，并結(jié)合實際應(yīng)用的要求，提出了一種更有效的新智能多目標跟蹤算法。
　　本文完成的工作內(nèi)容可分為三大部分:
　　首先，對粒子濾波算法理論及其在多目標跟蹤技術(shù)上的應(yīng)用進行了學(xué)習(xí)和研究。針對現(xiàn)有的粒子濾波多目標跟蹤算法中存在的缺陷，提出相應(yīng)的改善方法，并以此構(gòu)建出一種智能多目標跟蹤算法框架。
　　其次，針對多目標檢測部分的優(yōu)化設(shè)計問題，本文采用一種HOG+級聯(lián)

3、Gentle Adaboost檢測方法來改善多目標檢測的效果。通過實驗驗證了HOG特征在表征人體特征上的優(yōu)勢，以及Gentle Adaboost在行人檢測中展現(xiàn)出的較強穩(wěn)定性，兩者的結(jié)合提高了跟蹤系統(tǒng)的檢測精度。
　　最后，在跟蹤部分，對目標運動模型和似然模型進行了優(yōu)化設(shè)計。針對單一特征在復(fù)雜跟蹤場景內(nèi)的局限性，提出一種結(jié)合分塊-積分直方圖和LBP特征的多特征融合策略來構(gòu)建本文算法中的目標似然模型。
　　綜上，經(jīng)實驗表明，本