支持向量回歸機(jī)粒子濾波器非剛體目標(biāo)跟蹤.pdf

1、目標(biāo)跟蹤技術(shù)是計算機(jī)視覺研究領(lǐng)域中最活躍的研究課題之一。隨著現(xiàn)代計算機(jī)和信息技術(shù)的飛速發(fā)展及圖形識別算法的革命性改進(jìn)，目標(biāo)的實時追蹤技術(shù)脫穎而出，在軍事國防、交通監(jiān)視、天文預(yù)測、智能監(jiān)控等領(lǐng)域有著非常重要的實用價值。 跟蹤技術(shù)中常用到粒子濾波器。該方法為一種非線性濾波算法，用蒙特卡羅方法計算出粒子權(quán)值的均值從而得到跟蹤目標(biāo)某一時刻的位置。粒子濾波器在處理非剛體運動目標(biāo)跟蹤問題方面有獨到的優(yōu)勢，但在實時處理過程中，會出現(xiàn)如下三個問

2、題：一、粒子樣本在迭帶計算過程中，會逐漸出現(xiàn)粒子枯竭并喪失粒子多樣性，從而導(dǎo)致失跟現(xiàn)像；二、粒子權(quán)值是通過觀測函數(shù)計算的，但是觀測值要受環(huán)境噪聲影響，如背景混亂或跟蹤目標(biāo)變形等，從而使粒子權(quán)值出現(xiàn)誤差導(dǎo)致失跟現(xiàn)像：三、大量增加粒子數(shù)量可解決(1)中的問題，但是隨之而來的是計算復(fù)雜度的劇增，因而會影響跟蹤的實效性。 針對以上三個問題，本文對粒子跟蹤算法進(jìn)行了實質(zhì)性改進(jìn)與增強(qiáng)，提出了支持向量回歸機(jī)(Support Vector Re

3、gression,簡稱SVR)對非剛體目標(biāo)的跟蹤算法。支持向量回歸是一種統(tǒng)計學(xué)習(xí)方法，能夠通過樣本學(xué)習(xí)進(jìn)行函數(shù)估計，用于重新估計跟蹤粒子的權(quán)值，以消除環(huán)境噪聲帶來的誤差并保持粒子的多樣性。 本文的主要工作為：一、研究了支持向量回歸對噪聲的抑制原理，并通過實驗得出不同參數(shù)設(shè)置時支持向量回歸對噪聲的抑制效果；二、在跟蹤框架中加入支持向量回歸方法重估粒子權(quán)值，對足球比賽視頻中的運動員進(jìn)行實時跟蹤，用實驗對比了使用和未使用該方法對跟蹤目