基于均值漂移聚類和優(yōu)化的粒子濾波跟蹤算法研究.pdf

1、視覺(jué)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的最重要分支之一，被廣泛地應(yīng)用于軍事、民用領(lǐng)域，是當(dāng)今研究的一個(gè)熱點(diǎn)。跟蹤問(wèn)題在根本上是濾波和預(yù)測(cè)問(wèn)題。本文從基本的粒子濾波算法框架出發(fā)，對(duì)算法進(jìn)行了深入的學(xué)習(xí)和研究，結(jié)合跟蹤實(shí)際問(wèn)題，對(duì)其進(jìn)行了局部?jī)?yōu)化和改進(jìn)。
　　首先介紹了粒子濾波的原理、特性以及在視覺(jué)跟蹤中的應(yīng)用；其次，對(duì)另一種跟蹤算法——均值漂移，進(jìn)行了簡(jiǎn)單的介紹，該算法經(jīng)典的尋優(yōu)特性將被應(yīng)用在粒子框架中；接下來(lái)，對(duì)目標(biāo)特征——顏色特征和空間特征進(jìn)

2、行研究，主要介紹兩者的提取和匹配，以及在跟蹤問(wèn)題中的應(yīng)用；針對(duì)整體遮擋和快速機(jī)動(dòng)目標(biāo)，提出了一種新的搜索策略；最后，結(jié)合算法優(yōu)化、目標(biāo)特征、搜索策略以及跟蹤框架，得到最終的跟蹤算法，最后，通過(guò)仿真實(shí)驗(yàn)對(duì)改進(jìn)算法進(jìn)行分析和驗(yàn)證。下面詳細(xì)介紹本文具體的研究?jī)?nèi)容和成果。
　　針對(duì)粒子濾波算法計(jì)算量大和粒子退化問(wèn)題，提出將Mean-Shift算法植入到觀測(cè)后，對(duì)粒子進(jìn)行位置及其權(quán)值的自適應(yīng)范圍的聚類，提高粒子描述目標(biāo)的質(zhì)量，避免傳統(tǒng)粒子濾

3、波聚類的權(quán)值信息的丟失，改善粒子分布情況，以此作為減少粒子數(shù)目和規(guī)范重采樣范圍的前提；以粒子距目標(biāo)估計(jì)中心距離為直徑的圓形區(qū)域作為收斂區(qū)域，提高了粒子質(zhì)量，優(yōu)化了粒子集合。
　　研究了基于空間特征的目標(biāo)跟蹤的實(shí)現(xiàn)和應(yīng)用。進(jìn)行了簡(jiǎn)單場(chǎng)景下 RGB顏色空間的粒子濾波算法的跟蹤，針對(duì)空間直方圖計(jì)算量大的問(wèn)題，提出了一種直方圖簡(jiǎn)化算法，即只對(duì)候選模板和目標(biāo)模板同時(shí)非零的對(duì)應(yīng)區(qū)間進(jìn)行計(jì)算，通過(guò)實(shí)驗(yàn)分析對(duì)比算法的有效性。
　　針對(duì)嚴(yán)重遮

4、擋和快速機(jī)動(dòng)小目標(biāo)的跟蹤問(wèn)題，本文提出了一種搜索策略，當(dāng)遮擋和目標(biāo)丟失情況發(fā)生時(shí)，啟用該策略，當(dāng)目標(biāo)被重新定位時(shí)再進(jìn)入正常的算法循環(huán)，對(duì)粒子濾波算法估計(jì)出的近似最優(yōu)結(jié)果進(jìn)行Mean-Shift鄰域極值搜索，提高定位精度，進(jìn)而建立模型，通過(guò)巴氏系數(shù)來(lái)控制粒子數(shù)目；并用均值漂移算法的鄰域搜索極值特性修正跟蹤結(jié)果，用修正后的跟蹤結(jié)果對(duì)比目標(biāo)模板，以此時(shí)的巴氏系數(shù)作為調(diào)整粒子數(shù)和重采樣范圍的依據(jù)。至此，形成了一種自適應(yīng)粒子數(shù)調(diào)節(jié)和重采樣范圍的粒