復(fù)雜場(chǎng)景下穩(wěn)健性目標(biāo)跟蹤算法研究.pdf

1、目標(biāo)跟蹤的應(yīng)用領(lǐng)域諸多，如人機(jī)交互、安全檢測(cè)、軍事視覺(jué)制導(dǎo)等。由于外界環(huán)境、目標(biāo)本身、算法的時(shí)間性能和準(zhǔn)確度等的影響，限制了很多目標(biāo)跟蹤算法的應(yīng)用場(chǎng)景。因此，構(gòu)建魯棒的跟蹤算法具有重要的現(xiàn)實(shí)意義。本文從生成式目標(biāo)跟蹤方法和判別式目標(biāo)跟蹤方法兩個(gè)方向出發(fā)，比較系統(tǒng)地研究目標(biāo)跟蹤算法。本文主要研究?jī)?nèi)容如下:
　　1.討論了目標(biāo)跟蹤中的難點(diǎn)，對(duì)生成式和判別式兩種目標(biāo)跟蹤方法的應(yīng)用場(chǎng)景和研究背景等進(jìn)行了詳細(xì)的分析，探討了兩種方法的相關(guān)算法

2、，闡述了兩種目標(biāo)跟蹤方法中比較經(jīng)典的算法和相關(guān)重要細(xì)節(jié)，為全文的理論研究奠定基礎(chǔ)。
　　2.針對(duì)粒子濾波算法在有干擾的目標(biāo)跟蹤中可能出現(xiàn)的粒子多樣性減少和精度下降等問(wèn)題，研究并實(shí)現(xiàn)了一種新的基于約束知識(shí)的IP-MCMC-PF目標(biāo)跟蹤方法。該方法首先通過(guò)約束知識(shí)提高粒子預(yù)測(cè)的準(zhǔn)確性，并通過(guò)多鏈并行的IP-MCMC方法提高粒子的多樣性，有效地解決粒子退化問(wèn)題;然后在此基礎(chǔ)上通過(guò)PN學(xué)習(xí)算法在線更新抽樣粒子的抽樣分布和檢測(cè)器的訓(xùn)練樣本，

3、實(shí)現(xiàn)目標(biāo)跟蹤算法的在線學(xué)習(xí)，有效提高了復(fù)雜背景下目標(biāo)跟蹤的準(zhǔn)確度和自適應(yīng)性。
　　3.針對(duì)壓縮感知目標(biāo)跟蹤算法存在的跟蹤限制問(wèn)題，提出了一種自適應(yīng)壓縮感知跟蹤算法。該方法首先引入wu的方法解決了跟蹤目標(biāo)尺度單一問(wèn)題;其次，使用分類器的分類結(jié)果反饋來(lái)決定是否更新分類器，通過(guò)分類響應(yīng)值來(lái)預(yù)測(cè)目標(biāo)受到的干擾，自適應(yīng)的更新分類器參數(shù);最后，增加了特征選擇，根據(jù)特征的正負(fù)類條件概率分布的商的大小關(guān)系進(jìn)行特征排序。將排序在前面的特征更新分類器