資源描述:
《基于粒子濾波器的智能目標跟蹤算法研究》由會員上傳分享,免費在線閱讀,更多相關內容在學術論文-天天文庫。
1、基于粒子濾波器的智能目標跟蹤算法研究專業(yè)名稱:電路與系統(tǒng)申請人:楊龍文指導教師:黃植功副教授論文答辯委員會主席:委員:摘要基于粒子濾波器的智能目標跟蹤算法研究拙蚺鍬摘∥蝴?I嘲嬲1V岑。
2、}{添4582多目標跟蹤技術作為計算機視覺領域中的一個研究熱點,在社會的各個領域都具有極其廣泛的應用前景。與單目標跟蹤技術相比,多目標跟蹤技術仍需解決更多復雜的問題,包括多目標實時檢測、目標交叉或相互遮擋和實時目標數(shù)目變化等。粒子濾波算法作為一種具有多模式搜索能力的非線性貝葉斯濾波器,能夠在非線性、非高斯空間內尋找次優(yōu)解
3、,為多目標跟蹤技術的研究提供了一個新的視野。因此,本文以粒子濾波算法為理論基礎,對多目標跟蹤算法進行了相關研究。針對目前基于粒子濾波算法構建的多目標跟蹤系統(tǒng)中存在的缺陷,做出了相應的改進,并結合實際應用的要求,提出了一種更有效的新智能多目標跟蹤算法。本文完成的工作內容可分為三大部分:首先,對粒子濾波算法理論及其在多目標跟蹤技術上的應用進行了學習和研究。針對現(xiàn)有的粒子濾波多目標跟蹤算法中存在的缺陷,提出相應的改善方法,并以此構建出一種智能多目標跟蹤算法框架。其次,針對多目標檢測部分的優(yōu)化設計問題,本文采用一
4、種HOG+級聯(lián)GentleAdaboost檢測方法來改善多目標檢測的效果。通過實驗驗證了HOG特征在表征人體特征上的優(yōu)勢,以及GentleAdaboost在行人檢測中展現(xiàn)出的較強穩(wěn)定性,兩者的結合提高了跟蹤系統(tǒng)的檢測精度。最后,在跟蹤部分,對目標運動模型和似然模型進行了優(yōu)化設計。針對單一特征在復雜跟蹤場景內的局限性,提出一種結合分塊一積分直方圖和LBP特征的多特征融合策略來構建本文算法中的目標似然模型。綜上,經實驗表明,本文提出的基于粒子濾波器的智能多目標跟蹤算法能在實現(xiàn)對目標的智能檢測的同時,能較好的適
5、應多目標跟蹤環(huán)境中出現(xiàn)的目標遮擋、目標交叉和目標形態(tài)變化等情況。關鍵詞:多目標跟蹤、粒子濾波、HOG+Adaboost、分塊一積分直方圖、多特征融合TheResearchofIntelligentMulti—targetTrackingAlgorithmBasedonParticlefdterMasterCandidate:LongwenYangSupervisor:Asso.Pro£ZhigongHuangGrade:2011Major:CkcuitandSystemResearchField:Imag
6、eprocessingAbstractmulti-targettrackingtechnologyisahotissueincomputervision,whichhasbroadapplicationprospectinmanyfieldsofmodemsociety.Comparedwithsingletarget,thesituationthatthemulti-targettrackingtechnologyneedtodealwitharemorecomplex,includingthereal
7、-timedetectionofmulti.target、interactionsandocclusion、thevariablenumberofthereal-timetarget,etc.ParticlefilteralgorithmisakindofnonlinearBayesianfilterwithmulti—modalsearchcapability,whichprovidesasecondoptimalsolutionwhenapplyinnonlinearandnon-Gaussiansp
8、ace.Itoffersanewperspectivefortheresearchofmulti-targettracking.Therefore,therelevantresearchworkinthethesisisfocusontheproposedmulti.targettrackingalgorithmthatbasedontheparticlefilter.Fortheshortcomingofthesealgorithms,correspondingimprovementsarepropos
9、edandamoreeffectiveintelligentmulti.targettrackingalgorithmispresented。mainworksinthethesiscanbedividedintothreeparts:Firstly,basedonthestudyworkofthetheoryofparticlefilteranditsapplicationsinmulti-targettracking,so