基于人類視覺機制的自適應粒子濾波目標跟蹤算法.pdf

1、目標跟蹤是計算機視覺研究中的一個重要課題，它是目標行為理解的基礎，是圖像系統(tǒng)連續(xù)準確工作的重要部分。跟蹤算法要求準確性和魯棒性，在很多應用下還要求實時性，而現(xiàn)實中目標的運動通常較為復雜，因此兼顧準確性、魯棒性和實時性一直是目標跟蹤的前沿和熱點問題，也是本文的研究目的。
　　 目前大部分跟蹤算法采用基于單一目標特征，計算量通常不大，能滿足實時性的要求，但單一特征描述缺乏準確性，難以將目標從背景中準確的分離；目前多特征算法通常針對目

2、標各個特征在不同場景的顯著性不同，對各個特征單獨建模，并融合所有特征信息互補，它需要對特征一一求解，從而大大增加運算量，影響跟蹤的實時性。針對以上跟蹤算法存在的問題，本文主要做了以下工作：
　　 針對單一特征跟蹤算法識別準確性不高，特別是在遮擋狀況下無法對目標特征進行檢測和跟蹤的問題，考慮到基于后驗概率估計的粒子濾波算法在復雜場景下能提高跟蹤的魯棒性，本文在粒子濾波基礎上，提出了一種融合了目標運動特征信息的算法。算法通過記錄目標

3、運動的歷史信息，當目標被遮擋時，利用牛頓運動定律預測運動目標可能出現(xiàn)的位置與方向，從而解決目標發(fā)生遮擋而無法繼續(xù)跟蹤的狀況。
　　 參考人眼視覺跟蹤機制，根據(jù)目標物體在不同場景下對人眼的刺激的顯著性不同，人眼依據(jù)顯著性由強而弱捕獲外界目標，本文提出了一種自適應的多特征粒子濾波目標跟蹤算法。算法首先對目標的各個特征按照顯著性的強弱進行排序；然后按照排好序的特征過濾粒子，顯著性越高的特征對目標的辨識度越高，相應過濾更多與目標特征不相

4、符的粒子，減少粒子的重復性計算，直至剩下唯一的候選粒子；最后反饋跟蹤的結果，過濾越多粒子的特征，獲得越高的顯著性，反之降低顯著性，算法對更新后的顯著性再重新排序，作為下一輪過濾的參考。該算法可以實現(xiàn)隨著場景的不斷變化，目標的特征與其顯著性自動組織去適應外界環(huán)境，從而實現(xiàn)目標特征的自適應性。
　　 在驗證算法有效性中，本文采用了四段視頻進行測試，并與單一特征和多特征目標跟蹤算法分別在準確性、魯棒性以及實時性三個方面進行對比分析。其