基于粒子濾波視頻目標(biāo)跟蹤算法的研究

《基于粒子濾波視頻目標(biāo)跟蹤算法的研究》由會員上傳分享，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。

1、西安電子科技大學(xué)學(xué)位論文獨(dú)創(chuàng)性（或創(chuàng)新性）聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德，本人聲明所呈交的論文是我個人在導(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)注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中做了明確的說明并表示了謝意。申請學(xué)位論文與資料若有不實(shí)之處，本人承擔(dān)一切的法律責(zé)任。本人簽名：日期西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期

2、間論文工作的知識產(chǎn)權(quán)單位屬西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱和借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，可以允許采用影印、縮印或其它復(fù)制手段保存論文。同時本人保證，畢業(yè)后結(jié)合學(xué)位論文研究課題再撰寫的文章一律署名單位為西安電子科技大學(xué)。（保密的論文在解密后遵守此規(guī)定）本學(xué)位論文屬于保密，在年解密后適用本授權(quán)書。本人簽名：日期導(dǎo)師簽名：日期摘要視頻目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的主要研究方向，是智能化視頻監(jiān)控系統(tǒng)中的一個核心模塊。雖然目前視頻監(jiān)控技術(shù)發(fā)展態(tài)勢很好，但是受限于智能視頻分析算法的性能，目前的智能監(jiān)控系統(tǒng)距離大范圍普遍使用還為時尚早，還有許多問題急需攻克，在這其中，視

3、頻目標(biāo)跟蹤算法的研究就是核心問題之一。本文以視頻目標(biāo)跟蹤為研究對象，著重討論和研究了以粒子濾波理論為基礎(chǔ)的視頻目標(biāo)跟蹤算法。所采用的粒子濾波算法(particlefilter)是一種基于蒙特卡羅仿真求解貝葉斯概率的實(shí)用算法，核心思想就是用一些離散的隨機(jī)采樣粒子來近似表示目標(biāo)狀態(tài)變量的后驗(yàn)概率密度函數(shù)，其采用的多假設(shè)估計(jì)方法在處理非線性運(yùn)動目標(biāo)跟蹤問題上具有特殊的優(yōu)勢，對于提升目標(biāo)跟蹤算法的綜合性能十分有效。傳統(tǒng)的粒子濾波目標(biāo)跟蹤算法雖然可以在簡單環(huán)境中實(shí)現(xiàn)較為準(zhǔn)確的跟蹤，但實(shí)際應(yīng)用時，其在穩(wěn)定性、實(shí)時性、可靠性和適應(yīng)性等方面仍存在不少問題。本文針對這些問題提出了一些改進(jìn)方法：一方面，本文重新

4、設(shè)計(jì)了目標(biāo)的描述模型，采用HSV色彩模型結(jié)合目標(biāo)分區(qū)所提供的空間信息更加準(zhǔn)確和魯棒的對目標(biāo)進(jìn)行描述；另一方面，針對傳統(tǒng)粒子濾波跟蹤算法出現(xiàn)的粒子退化和粒子多樣性喪失的問題，在研究基于閾值的重采樣方法的基礎(chǔ)上，提出了重采樣和重置初始化相結(jié)合的方法，可以有效地解決上述問題。最后，為了解決計(jì)算量大和采樣效率低的問題，本文嘗試將Camshift應(yīng)用于粒子濾波算法中用以引導(dǎo)粒子狀態(tài)轉(zhuǎn)移和聚類。該方法融合了Camshift和粒子濾波的優(yōu)點(diǎn)，能夠以較少的粒子數(shù)實(shí)現(xiàn)較為準(zhǔn)確的目標(biāo)跟蹤，實(shí)驗(yàn)證明該算法能夠克服光照變化、遮擋、高速運(yùn)動、背景干擾等問題，具有較好的穩(wěn)定性和一定的實(shí)時性。關(guān)鍵詞：視頻監(jiān)控、目標(biāo)跟蹤、

5、自適應(yīng)均值漂移、粒子濾波AbstractVideotargettrackingisthemainresearchdirectionincomputervisionandthecoremoduleinintelligentvideosurveillancesystem.Thoughthedevelopmenttrendofintelligentmonitoringsystemisnowverygood,wideapplicationisstilltooearlybecauseoftheundesirableperformanceofrelevantintelligentvideoanalysi

6、salgorithms.Thereremainsmanyproblemstobesolved,inwhichvideotargettrackingalgorithmresearchisoneofthecoreissues.Thispapermainlydiscussesandstudiestargettrackingalgorithmbasedonparticlefiltertheory.ParticlefilteralgorithmisapracticalalgorithmbasedonMonteCarlosimulationforsolvingBayesianprobability.Th

7、ecoreideaistoapproximatetheposteriorprobabilitydensityfunctionofthetargetstatevariablesusingrandomsamplingparticles.Theuseofmultiplehypothesisestimationmethodhasthespecialadvantageinnonlinearmovingobjecttra