基于分塊粒子濾波的目標(biāo)跟蹤算法的研究

《基于分塊粒子濾波的目標(biāo)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、．１０１８３分類號(hào)：ＴＮ９１１７單位代碼；３５２２０２２密＾級(jí)研究生學(xué)號(hào)；２０１：公開ｍ吉林大學(xué)石頁(yè)女學(xué)位論文學(xué)術(shù)學(xué)化（）基于分塊粒子濾波的目標(biāo)跟蹤算法的研究Ｔ＾ｈｅＲｅｓｅａｒｃｈｏｆＯｂｅｃｔＴｉａｃｋｉｎＡｌｏｒｉ化ｍ目ａｓｅｄｏｎ巳ｌｏｃｋｉｎｊｇｇｇＰａｒｔｉｔｉｏｎＰａｒｔｉｃｌｅＦｉｌｔｅｒ作者姓名：劉曉龍專業(yè)；通信與信息系統(tǒng)研究方向；目標(biāo)跟蹤指導(dǎo)教師：李娟副教授培養(yǎng)單位：通信工程學(xué)院２０１６年６月基于分塊粒子濾波的目標(biāo)跟蹤算法的研究ＴｈｅＲｅｓｅａｒｃｈｏｆＯｂｅｃｔＴ

2、ｒａｃｋｉｎＡｌｏｒｉｔｈｍＢａｓｅｄｏｎＢｌｏｃｋｉｎｊｇｇｇＰａｒｔｉｔｉｏｎＰａｒｔｉｃｌｅＦｉｌｔｅｒ作者姓名：劉曉龍專業(yè)名稱：通信與信息系統(tǒng)指導(dǎo)教師：李娟副教授類別：王學(xué)碩±．答辯日期：＞ｗ（年／月Ｊ日未經(jīng)本論文作者的書面授權(quán)，巧法收存和保管本論文書面版本、電子版本的任何單位和個(gè)人，均不得對(duì)本論文的全部或部分內(nèi)容進(jìn)行任何形式的復(fù)制、修改、發(fā)行、出租、改編等有礙作者著作權(quán)的商業(yè)性使用（但純學(xué)術(shù)性使用不在此限）。否則，應(yīng)承擔(dān)侵權(quán)的法律責(zé)任。吉林大學(xué)博±或碩±）學(xué)位論文原創(chuàng)性聲明（獨(dú)立本進(jìn)人行研鄭重聲明：所呈交學(xué)

3、位論文，是本人在指導(dǎo)教師的指導(dǎo)下，論文不包含究任工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過(guò)的作品成果。對(duì)本本文的人研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中Ｗ明確方式標(biāo)明。完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：ｙ；哀灸＾日期：年ｊｒ月日摘要基于分塊粒子濾波的目標(biāo)跟蹤算法的研究目標(biāo)跟蹤，就是通過(guò)對(duì)感知設(shè)備所獲取的關(guān)于運(yùn)動(dòng)目標(biāo)的信息，根據(jù)相應(yīng)的算法進(jìn)行處理分析，獲得目標(biāo)運(yùn)動(dòng)參數(shù)的過(guò)程。該技術(shù)被廣泛應(yīng)用于監(jiān)控、障礙規(guī)避、導(dǎo)航及自動(dòng)化控制等方面。針對(duì)目標(biāo)發(fā)生形變導(dǎo)致的跟蹤精確度降低的問(wèn)題，提出了基于分塊的粒子濾

4、波跟蹤算法，并對(duì)新算法和MeanShift、Camshift算法在目標(biāo)跟蹤中進(jìn)行了仿真比較。主要內(nèi)容包括：首先，對(duì)粒子濾波算法進(jìn)行了分析研究。粒子濾波算法是一個(gè)理論框架，需構(gòu)建狀態(tài)模型和觀測(cè)模型，狀態(tài)模型為狀態(tài)值提供預(yù)測(cè)，觀測(cè)模型根據(jù)觀測(cè)值對(duì)預(yù)測(cè)數(shù)值進(jìn)行修正。其中，重采樣技術(shù)和重要性密度函數(shù)的選擇是粒子濾波的重要環(huán)節(jié)。通過(guò)對(duì)這兩項(xiàng)技術(shù)的改進(jìn)，出現(xiàn)了各種改進(jìn)算法，如似然粒子濾波、輔助粒子濾波等方法。之后，對(duì)不同噪聲對(duì)各種算法的影響進(jìn)行了分析仿真。其次，介紹了幾種常見的檢測(cè)方法和跟蹤方法。檢測(cè)方法有幀差法，背景差分法等，目標(biāo)跟蹤中常用的算法有均值漂移和Camshift算法，這兩種算法，均

5、建立在顏色直方圖的基礎(chǔ)上。均值漂移算法，利用偏移均值向量，通過(guò)的迭代的形式，使目標(biāo)值能夠收斂于高密度樣本區(qū)域，但跟蹤窗口固定，在目標(biāo)發(fā)生形變或相鄰兩幀的目標(biāo)區(qū)域重合較少時(shí)，跟蹤效果變差；Camshift算法能夠自適應(yīng)調(diào)節(jié)跟蹤窗口的大小，但跟蹤窗口默認(rèn)為正方形，當(dāng)目標(biāo)形變嚴(yán)重時(shí)，跟蹤的效率下降。最后，提出了改進(jìn)的算法。新算法以粒子濾波算法為框架，獲得運(yùn)動(dòng)目標(biāo)的大小和位置后，將RGB模型轉(zhuǎn)化為HSV模型，然后，以H分量做目標(biāo)區(qū)域的顏色直方圖，根據(jù)目標(biāo)區(qū)域的顏色直方圖做全區(qū)域的概率分布圖。下一步，將目標(biāo)所在區(qū)域等分為N等份，把每一份小區(qū)域當(dāng)作一個(gè)“粒子”，然后根據(jù)每個(gè)小區(qū)域各個(gè)像素點(diǎn)的概率

6、分布之和來(lái)判定各個(gè)區(qū)域的權(quán)值，再根據(jù)權(quán)值對(duì)“粒子”進(jìn)行重采樣，得出重采樣后小區(qū)域中心值的均值。該算法在背景變動(dòng)和目標(biāo)發(fā)生嚴(yán)重形變時(shí)，仍具有較高的穩(wěn)定性和可靠性。關(guān)鍵詞：目標(biāo)跟蹤，粒子濾波，顏色直方圖，概率分布圖。IAbstractTheResearchofObjectTrackingAlgorithmBasedonBlockingPartitionParticleFilterObjecttrackingistheprocessofacquiringthetargetmotionparametersaccordingtotheinformationaboutthemovingobjec

7、t,whichisacquiredbythedeviceofsensor,thenprocessesandanalyzestheinformationandgetstheresultaccordingtothecorrespondingalgorithm.Thetechnologyiswidelyusedinmonitoring,obstacleavoidance,navigation,automationcontrolandsoon.Aimingatth