復雜環(huán)境下的粒子濾波目標跟蹤算法研究.pdf

1、隨著計算機技術(shù)的不斷發(fā)展，目標跟蹤作為當前計算機研究領(lǐng)域中的一個熱點問題，廣泛應(yīng)用于民用和軍事等領(lǐng)域。例如:人機交互、智能監(jiān)控、城市安防、智能交通、戰(zhàn)場監(jiān)視等。目標跟蹤是人們運用各種觀測和計算方法，實現(xiàn)對感興趣運動目標狀態(tài)的建模、估計、跟蹤。近年來，眾多專家學者針對目標跟蹤提出了許多優(yōu)秀的算法，但由于運動目標外觀的變化（遮擋、尺度、旋轉(zhuǎn)、仿射、光照條件）、背景的復雜性，以及系統(tǒng)存在噪聲等問題，使得這些算法只能運用在特定的場合，算法的魯棒

2、性和實時性不夠好。因此，研究一種應(yīng)用在復雜背景下的，能夠?qū)崿F(xiàn)對感興趣目標，準確且快速跟蹤的跟蹤算法，意義重大。
　　 本文完成的主要工作如下:
　　 1.針對基于粒子群優(yōu)化思想的粒子濾波算法(PSO-PF)中存在計算精度不夠高，易陷入局部最優(yōu)的問題，本文提出一種基于混沌粒子群優(yōu)化的粒子濾波算法。該算法利用混沌理論初始化粒子，使粒子分布更加均勻，保證了初始粒子的多樣性;重新初始化劣勢粒子，用混沌變異的思想更新全局最優(yōu)粒子，

3、用反向運動的方法更新惰性粒子，以期提高算法預測精度、增加粒子的多樣性、跳出局部最優(yōu)值。實驗結(jié)果表明，該方法與傳統(tǒng)粒子濾波算法、PSO-PF相比，增強了算法的預測精度。
　　 2.由于基于單一特征的目標跟蹤算法，在復雜情形下，難以實現(xiàn)對運動目標的跟蹤，本文提出一種基于自適應(yīng)背景的多特征融合目標跟蹤算法。該算法利用顏色和基于灰度共生矩陣紋理特征表征目標，在粒子濾波的框架中，通過分析在不同特征下，粒子空間分布、權(quán)值分布、以及特征對背景