復(fù)雜度可分級的目標(biāo)跟蹤算法研究.pdf

1、目前計(jì)算機(jī)視覺技術(shù)得到了迅猛發(fā)展,運(yùn)動目標(biāo)跟蹤作為計(jì)算機(jī)視覺中的一項(xiàng)重要課題,也得到了廣大優(yōu)秀學(xué)者的研究,并且取得了不錯的成果。目標(biāo)跟蹤的應(yīng)用十分廣泛,如智能監(jiān)控、人機(jī)交互、視頻壓縮及軍事領(lǐng)域等,其研究難點(diǎn)在于目標(biāo)運(yùn)動的復(fù)雜性、周圍環(huán)境變化、目標(biāo)遮擋和實(shí)時(shí)性要求等。雖然目標(biāo)跟蹤技術(shù)得到了日新月異的發(fā)展,跟蹤性能得到了很大的改善,然而在實(shí)際應(yīng)用中仍然沒有一個能應(yīng)對所有困難的解決辦法,因此設(shè)計(jì)一個即保證跟蹤精度又滿足實(shí)時(shí)性的跟蹤算法依然是一

2、項(xiàng)具有很大挑戰(zhàn)性的工作。
　　目前粒子濾波跟蹤算法由于其性能的穩(wěn)定、可靠,且能應(yīng)用于非線性、非高斯的系統(tǒng)模型中,已得到廣大學(xué)者的認(rèn)可。雖然與Mean-Shift或卡爾曼濾波器等其他目標(biāo)跟蹤算法相比,粒子濾波存在計(jì)算量大的問題,但是當(dāng)前的計(jì)算機(jī)硬件水平已經(jīng)能夠完全勝任,確保粒子濾波算法的實(shí)時(shí)性。本文首先深入研究了卡爾曼濾波和粒子濾波算法,并將其進(jìn)行了比較,然后在粒子濾波器的框架下,選擇了四個性質(zhì)不同、各有所長的特征對目標(biāo)進(jìn)行建模,這

3、四個特征分別是顏色特征、邊緣特征、顯著性特征和SIFT特征。選定了這四個特征之后,對這四個特征做了大量的實(shí)驗(yàn)和分析,研究了影響各個特征復(fù)雜度和跟蹤精度的因素,合理的將其應(yīng)用于粒子濾波框架中。
　　針對單一特征描述目標(biāo)不夠充分、魯棒性不足的缺點(diǎn),實(shí)現(xiàn)了多特征融合的粒子濾波跟蹤算法。實(shí)驗(yàn)表明,每個特征適合不同的跟蹤情況和難度,多特征融合能夠很好的彌補(bǔ)單個特征的不足,改善跟蹤的精確度,而由此帶來的缺點(diǎn)就是復(fù)雜度的增加。
　　本文全

4、面研究了融合各種不同單一特征或特征組合的粒子濾波跟蹤算法的復(fù)雜度,并構(gòu)建了一個復(fù)雜度分級的機(jī)制,將各個跟蹤算法分成四個復(fù)雜度等級,等級越高的跟蹤算法復(fù)雜度越高,與之相應(yīng)則是跟蹤精度、魯棒性也越來越高。在實(shí)際應(yīng)用中,可以根據(jù)實(shí)際需求,選擇不同等級的跟蹤算法來對當(dāng)前的目標(biāo)進(jìn)行跟蹤,從而可以在滿足跟蹤精度的條件下節(jié)約計(jì)算開銷。
　　最后本文實(shí)現(xiàn)了自適應(yīng)復(fù)雜度可分級的目標(biāo)跟蹤算法,粒子濾波跟蹤算法的基本原理就是對目標(biāo)的狀態(tài)進(jìn)行估計(jì),再觀測