基于多算法融合的視頻目標跟蹤方法研究.pdf

1、視頻目標跟蹤作為計算機視覺領(lǐng)域中的重要組成部分，已經(jīng)廣泛應(yīng)用于醫(yī)療診斷、智能交通系統(tǒng)、彈道導彈防御以及軍事制導等國民和軍事的眾多方面，受到相關(guān)領(lǐng)域科研學者的廣泛關(guān)注和深入研究。目前，粒子濾波作為目標跟蹤技術(shù)的主流跟蹤方法，但在實際應(yīng)用中存在著粒子退化的缺陷，解決粒子濾波算法的粒子退化枯竭問題，是視頻目標跟蹤的重要研究課題。本文以非線性、非高斯系統(tǒng)的目標狀態(tài)估計理論為主線，在研究傳統(tǒng)目標跟蹤方法的基礎(chǔ)上，結(jié)合粒子濾波理論和均值漂移理論，針

2、對跟蹤算法優(yōu)化、多目標之間的合并分離遮擋沖突等問題進行系統(tǒng)地研究，改進了跟蹤算法的性能，提高了在復雜環(huán)境下目標跟蹤的實時性和魯棒性。
　　 本文的主要工作包括：
　　 (1)提出了一種自適應(yīng)免疫優(yōu)化的無跡粒子濾波器(AIO-UPF)，由于在重要性函數(shù)的選取上充分考慮了最新的觀測數(shù)據(jù)信息來產(chǎn)生粒子和更新權(quán)值，同時將引入自適應(yīng)閾值因子δ的Metropolis準則的自適應(yīng)免疫算法(AIO)中的粒子尋優(yōu)機制應(yīng)用子粒子重采樣過程中

3、，使得粒子集能夠有效地分布于高似然區(qū)域，提高了系統(tǒng)在較偏觀測情況下目標狀態(tài)估計的精確度和穩(wěn)定性。仿真實驗的結(jié)果表明，本文算法的性能優(yōu)于傳統(tǒng)的UPF和常規(guī)粒子濾波。因此，在目標跟蹤精確性和抗干擾性要求較高的場合，新濾波器具有較高的應(yīng)用價值。
　　 (2)提出了一種基于AIO-UPF與MS的多目標跟蹤算法。該算法在提取目標觀測值后，利用基于推理的多目標關(guān)聯(lián)算法建立關(guān)聯(lián)矩陣，從而確定目標狀態(tài)序列。然后，利用AIO-UPF的抗遮擋和Me