基于狀態(tài)噪聲去相關卡爾曼濾波的視頻目標跟蹤技術研究.pdf

1、視頻目標跟蹤是國內外當前的熱門研究方向之一，它是一種能夠從圖像序列中實時提取目標位置信息并自動跟蹤目標的技術。視頻目標跟蹤在軍事、醫(yī)學、智能交通系統(tǒng)以及安全監(jiān)控等方面有著廣泛的應用和廣闊的前景。 在機動目標運動過程中，狀態(tài)噪聲往往是具有一定相關性的有色噪聲。已有的視頻目標跟蹤的研究成果，為方便計通常忽略這種相關性，假定狀態(tài)噪聲是白噪聲。這與實際的機動目標狀態(tài)有一定的偏差，容易造成在跟蹤過程中丟失目標。本文基于上述背景，針對實拍的

2、直升機模型視頻，分析了目標狀態(tài)噪聲的相關性，對視頻機動目標的檢測和跟蹤技術展開了如下研究。 首先采用最大類間方差法求取閾值，并對視頻幀圖像進行圖像分割，得到包含目標和背景的二值化圖像。針對由復雜背景以及光照變化、背景快速變化等各種原因所產生的虛假目標，采用連通域分割初步去除過大或過小的虛假目標。 接著，對二值圖像中仍然存在的虛假目標，給出了基于圖像處理結果的灰度關聯(lián)和面積關聯(lián)方法，并結合預測和濾波技術，采用最近鄰關聯(lián)、灰

3、度關聯(lián)和面積關聯(lián)相結合的數(shù)據關聯(lián)算法，有效地從二值圖像中提取出真實目標。 然后，在CV模型的基礎上，研究了基于兩種不同概率分布的狀態(tài)噪聲的相關性：基于Singer模型零均值均勻分布的加速度噪聲和基于“當前”統(tǒng)計模型瑞利分布的加速度噪聲。利用狀態(tài)噪聲去相關的卡爾曼濾波算法對兩種不同加速度分布的目標的運動狀態(tài)進行預測和濾波，并與不考慮狀態(tài)噪聲相關性的卡爾曼濾波進行比較，仿真結果和誤差分析證明了基于狀態(tài)噪聲去相關算法的預測和濾波精度都