隨機概率模型視覺目標(biāo)跟蹤理論及應(yīng)用研究.pdf

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

2、論和實驗研究。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概率模型視覺目標(biāo)跟蹤在國內(nèi)外的研究應(yīng)用現(xiàn)狀和發(fā)展趨勢，最后針對隨機概率模型視覺目標(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內(nèi)容和研究思路。
　　第二章，對隨機概率模型視覺目標(biāo)跟蹤的基礎(chǔ)理論進行了研究，并深入地分析了隨機概率模型視覺目標(biāo)跟蹤中隨機動態(tài)傳播模型和目標(biāo)似然概率模型對跟蹤效果的影響。
　　

3、第三章，在隨機概率模型目標(biāo)跟蹤理論的基礎(chǔ)上，對目標(biāo)快速運動情況下的問題進行了深入的研究。針對復(fù)雜動態(tài)系統(tǒng)下快速運動目標(biāo)的跟蹤問題，提出了基于運動參數(shù)估計和副粒子漂移的運動自適應(yīng)粒子濾波算法和基于粒子分布臨界估計和狀態(tài)轉(zhuǎn)移的運動自適應(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)算法的實驗對比，對算法的有效性和魯棒性進行了驗證。
　　第四章，研究了

4、輪廓目標(biāo)的隨機概率模型和多目標(biāo)情況下的概率排他性原則的概率模型。針對復(fù)雜場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，實現(xiàn)了復(fù)雜動態(tài)背景下的輪廓跟蹤。同時，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，實現(xiàn)了在復(fù)雜場景下，多輪廓目標(biāo)遮擋情

5、況下的魯棒跟蹤。實驗結(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)干擾的情況下實現(xiàn)有效的穩(wěn)定跟蹤。
　　第五章，針對人機交互中手勢識別和跟蹤的準(zhǔn)確性和實時性問題，采用Monte Carlo隨機采樣來擬合三次Bezier曲線，實現(xiàn)對手部輪廓曲率精確估計的指尖檢測。研究了隨機概率模型的手勢識別和跟蹤，提出一種特征三角形分析的特殊手勢識別和跟蹤方法。通過實驗結(jié)合分析表明，本章所提出的算法能在不同形態(tài)和場景下實時準(zhǔn)確地檢測出手勢