基于粒子濾波行人跟蹤算法的研究

《基于粒子濾波行人跟蹤算法的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、ResearchonPedestrianTrackingAlgorithmBasedonParticleFilterADissertationSubmittedtoWuhanUniversityofTechnologyinPartialFulfillmentoftheRequirementsfortheDegreeofDoctorofEngineeringbyLiHui(ComputerApplicationTechnology)DissertationSupervisor：ProfessorXiongShengwuCo-Supervisor：AssociateProfessorFan

2、gZhixiangMay，2013獨(dú)創(chuàng)性聲明本人聲明，所呈交的論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不包含為獲得武漢理工大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示了謝意。簽名：查塑至日期：絲堡：圭：圣3、學(xué)位論文使用授權(quán)書(shū)本人完全了解武漢理工大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，即學(xué)校有權(quán)保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)武漢理工大學(xué)可以將本學(xué)位論文的全部?jī)?nèi)容

3、編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或其他復(fù)制手段保存或匯編本學(xué)位論文。同時(shí)授權(quán)經(jīng)武漢理工大學(xué)認(rèn)可的國(guó)家有關(guān)機(jī)構(gòu)或論文數(shù)據(jù)庫(kù)使用或收錄本學(xué)位論文，并向社會(huì)公眾提供信息服務(wù)。(保密的論文在解密研究生(簽名)：查鯊孳導(dǎo)師(簽名期：摘要目標(biāo)跟蹤在視頻監(jiān)控、智能人機(jī)交互、機(jī)器人視覺(jué)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(chǎng)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(jià)值。但是，由于人體運(yùn)動(dòng)的隨意性，且經(jīng)常會(huì)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(wèn)題，而現(xiàn)有行人跟蹤算法研究缺少魯棒性好的

4、觀測(cè)模型，對(duì)行人特征進(jìn)行描述來(lái)適應(yīng)各種復(fù)雜環(huán)境，從而在現(xiàn)實(shí)中缺少適用性，也無(wú)法實(shí)現(xiàn)準(zhǔn)確、魯棒的跟蹤；另一方面，目前多個(gè)行人的跟蹤算法研究相對(duì)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(shí)現(xiàn)移動(dòng)背景的行人跟蹤；另外，當(dāng)前的行人跟蹤研究多采用單個(gè)視頻數(shù)據(jù)，存在跟蹤視野范圍小、信息量少且因視覺(jué)角度造成行人間的相互遮擋等缺點(diǎn)，因而在人數(shù)較多的場(chǎng)景下很難對(duì)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(shí)際場(chǎng)景中的跟蹤問(wèn)題，因此本文基于粒子濾波理論，針對(duì)上述問(wèn)題提出相應(yīng)的行人跟蹤算法，主要研究?jī)?nèi)容包含以下幾個(gè)方面：1)基于粒子采樣優(yōu)化的

5、粒子濾波理論，通過(guò)多特征融合的方法來(lái)提高觀測(cè)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(wèn)題出發(fā)，針對(duì)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(duì)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(duì)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(wèn)題，對(duì)狀態(tài)空間模型進(jìn)行改進(jìn)，增強(qiáng)粒子對(duì)目標(biāo)的跟蹤能力；鑒于單個(gè)行人特征的觀測(cè)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(shí)別能力有限，在設(shè)計(jì)觀測(cè)模型時(shí)，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(cè)中對(duì)目標(biāo)的鑒別。與單個(gè)特征的行人跟蹤相比，

6、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(dòng)背景的行人跟蹤中，引入特征包算法，將數(shù)量較大的特征集合轉(zhuǎn)化為數(shù)量較小的特征字典和包來(lái)建立判決性模型，有效地解決多個(gè)行人特征提取復(fù)雜性的問(wèn)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(gè)行人的跟蹤與單個(gè)行人相比更為復(fù)雜，而采用多個(gè)特征進(jìn)行多人跟蹤會(huì)導(dǎo)致計(jì)算量較大，因而不適用于解決多人跟蹤問(wèn)題。鑒于此，本文引入計(jì)算簡(jiǎn)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(lái)對(duì)視頻序列中的行人進(jìn)行判定。與

7、常規(guī)跟蹤算法不同，本文的多人跟蹤算法在檢測(cè)階段提出了適用于靜態(tài)背景和移動(dòng)背景下的兩種檢測(cè)方法，提高了算法的適用性：同時(shí)，針對(duì)多人跟蹤過(guò)程中經(jīng)常會(huì)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(shí)驗(yàn)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(duì)行人較密集場(chǎng)景中多個(gè)行人間的遮擋問(wèn)題，結(jié)合視頻圖像的特征信息和激光點(diǎn)云的三維信息，提