基于粒子濾波的視頻目標(biāo)跟蹤關(guān)鍵技術(shù)及應(yīng)用研究.pdf

1、視頻目標(biāo)跟蹤是圖像處理、模式識(shí)別和精確制導(dǎo)領(lǐng)域的前沿研究課題，其主要任務(wù)是跟蹤圖像序列中的動(dòng)態(tài)目標(biāo)，理解并描述目標(biāo)物體的行為，進(jìn)而控制武器裝備。視頻目標(biāo)跟蹤技術(shù)在無(wú)人偵察機(jī)戰(zhàn)場(chǎng)偵察，巡航導(dǎo)彈末制導(dǎo)，以及對(duì)地攻擊直升機(jī)和主戰(zhàn)坦克火力控制系統(tǒng)中有重要的應(yīng)用。因此，研究視頻目標(biāo)跟蹤相關(guān)技術(shù)具有重要的學(xué)術(shù)意義和實(shí)用價(jià)值。 視頻目標(biāo)狀態(tài)的概率分布具有非線性、非高斯、多模態(tài)的特點(diǎn)。本文以非線性、非高斯系統(tǒng)的目標(biāo)狀態(tài)估計(jì)理論為主線，在研究傳統(tǒng)

2、的目標(biāo)跟蹤方法的基礎(chǔ)上，結(jié)合粒子濾波理論和圖像處理技術(shù)，對(duì)目標(biāo)模型建立、局部特征提取與描述、目標(biāo)的多特征表達(dá)及多源圖像融合等幾個(gè)方面進(jìn)行了系統(tǒng)地研究；針對(duì)其中的多目標(biāo)跟蹤、目標(biāo)遮擋、目標(biāo)形變、實(shí)時(shí)性、多源圖像特征融合等問題，結(jié)合學(xué)術(shù)前沿知識(shí)和生物視覺特性，研究并提出了新的算法，提高了跟蹤的速度和可靠性。最后綜合視頻編解碼、網(wǎng)絡(luò)通信、運(yùn)動(dòng)目標(biāo)識(shí)別與跟蹤技術(shù)，采用DSP、MCU和FPGA等先進(jìn)器件，設(shè)計(jì)完成了一種機(jī)載遠(yuǎn)程目標(biāo)跟蹤系統(tǒng)，具有體

3、積小、可靠性高等優(yōu)點(diǎn)?？蓮V泛應(yīng)用于視覺導(dǎo)航，導(dǎo)彈防御，海洋監(jiān)視，戰(zhàn)場(chǎng)監(jiān)視等相關(guān)領(lǐng)域。 本文的主要工作及貢獻(xiàn)如下： 1.研究了基于局部特征的視頻目標(biāo)跟蹤技術(shù)，針對(duì)傳統(tǒng)光流特征跟蹤方法中特征點(diǎn)易于丟失的問題，提出了一種新的基于預(yù)測(cè)幀、關(guān)鍵幀結(jié)構(gòu)的目標(biāo)跟蹤算法(簡(jiǎn)稱PKOT算法)。該算法將尺度不變Harris特征點(diǎn)提取和SIFT算子描述方法結(jié)合，給出了一種新的特征點(diǎn)表示Harris-SIFT，減少了特征點(diǎn)數(shù)量的同時(shí)，提高了特征

4、點(diǎn)集合的顯著性。同時(shí)將目標(biāo)局部特征分布與空間運(yùn)動(dòng)信息結(jié)合，符合視覺動(dòng)態(tài)感知特性，可以快速、準(zhǔn)確地跟蹤剛性目標(biāo)。在此基礎(chǔ)上，研究了基于粒子濾波的視頻目標(biāo)跟蹤方法，并研究了粒子濾波算法的原理和收斂性，針對(duì)粒子濾波的權(quán)值退化問題、初始化問題、粒子表示問題等研究了提高粒子濾波器性能的關(guān)鍵技術(shù)。 2.依據(jù)權(quán)重要性重采樣后，粒子在各個(gè)目標(biāo)附近分布呈現(xiàn)聚集狀態(tài)的特點(diǎn)，提出用單個(gè)粒子濾波器解決多個(gè)相似的目標(biāo)跟蹤問題的思路，進(jìn)而提出了一種偽粒子濾

5、波的多目標(biāo)跟蹤算法(簡(jiǎn)稱PPF算法)。該算法對(duì)粒子的重采樣結(jié)果進(jìn)行Mean Shift聚類分析，獲得相應(yīng)目標(biāo)的粒子子群集合以及相應(yīng)的不動(dòng)點(diǎn)。當(dāng)聚類核函數(shù)帶寬選取近于目標(biāo)區(qū)域大小時(shí)，聚類不動(dòng)點(diǎn)即逼近目標(biāo)的最大后驗(yàn)概率分布的數(shù)學(xué)期望，最后通過數(shù)據(jù)關(guān)聯(lián)確定多目標(biāo)的最終狀態(tài)。無(wú)需預(yù)知聚類個(gè)數(shù)，給定核帶寬即可完成聚類并確定各目標(biāo)狀態(tài)。 3.針對(duì)傳統(tǒng)目標(biāo)跟蹤中單一信源導(dǎo)致的跟蹤不穩(wěn)定問題，在層次粒子濾波框架下，提出一種多特征融合的目標(biāo)跟蹤算

6、法(簡(jiǎn)稱HPOT算法)。該算法將目標(biāo)顏色與局部特征信息結(jié)合，利用融合后的信息確定粒子的權(quán)值，二階權(quán)重更新緩解了粒子退化現(xiàn)象對(duì)濾波結(jié)果的影響，提高了粒子的置信度和采樣效率，降低了經(jīng)典粒子濾波理論中誤匹配導(dǎo)致的錯(cuò)誤傳播缺陷。與典型的基于邊緣特征或顏色信息的粒子濾波器相比，有效的解決了目標(biāo)形狀或顏色模糊而產(chǎn)生的跟蹤困難問題，目標(biāo)部分遮擋情況下也可以完成實(shí)時(shí)目標(biāo)跟蹤。 4.研究了多傳感信息融合在目標(biāo)跟蹤領(lǐng)域的應(yīng)用，首次將方向區(qū)域概念引入

7、圖像融合，提出了一種基于方向區(qū)域特性的非降采樣Contourlet域圖像融合算法(簡(jiǎn)稱DWNF算法)。該算法基于人類視覺系統(tǒng)特性和多尺度幾何分析理論，針對(duì)應(yīng)用較廣泛的多聚焦圖像和紅外圖像，在分解后的不同尺度和方向的子帶中結(jié)合方向區(qū)域特性進(jìn)行融合，將多傳感器數(shù)據(jù)的互補(bǔ)信息合并形成一幅新的圖像。實(shí)驗(yàn)表明，方向區(qū)域能更好的匹配多尺度幾何分析的特性，具有更強(qiáng)的圖像幾何特征的表達(dá)能力，融合圖像很好的保持了原始圖像的不同特征，提高了目標(biāo)跟蹤的效率。

8、 5.綜合H.264視頻編解碼、網(wǎng)絡(luò)通信、運(yùn)動(dòng)目標(biāo)識(shí)別與跟蹤技術(shù)，設(shè)計(jì)實(shí)現(xiàn)了一種機(jī)載遠(yuǎn)程目標(biāo)跟蹤系統(tǒng)原理樣機(jī)。該系統(tǒng)實(shí)時(shí)向地面設(shè)備發(fā)送系統(tǒng)狀態(tài)、壓縮視頻碼流和必要的參數(shù)，并執(zhí)行地面控制指令。地面跟蹤設(shè)備完成目標(biāo)跟蹤任務(wù)，通過無(wú)線信道向機(jī)載設(shè)備發(fā)送控制指令和數(shù)據(jù)。該系統(tǒng)為單板結(jié)構(gòu)，采用DSP、MCU和FPGA等先進(jìn)器件與設(shè)計(jì)技術(shù)，滿足機(jī)載設(shè)備使用要求。該系統(tǒng)的主要特點(diǎn)有：嵌入式設(shè)計(jì)，硬件實(shí)時(shí)壓縮與傳輸，交互式目標(biāo)跟蹤，實(shí)時(shí)飛控指令