支持向量回歸機(jī)粒子濾波器非剛體目標(biāo)跟蹤.pdf

1、目標(biāo)跟蹤技術(shù)是計(jì)算機(jī)視覺(jué)研究領(lǐng)域中最活躍的研究課題之一。隨著現(xiàn)代計(jì)算機(jī)和信息技術(shù)的飛速發(fā)展及圖形識(shí)別算法的革命性改進(jìn)，目標(biāo)的實(shí)時(shí)追蹤技術(shù)脫穎而出，在軍事國(guó)防、交通監(jiān)視、天文預(yù)測(cè)、智能監(jiān)控等領(lǐng)域有著非常重要的實(shí)用價(jià)值。 跟蹤技術(shù)中常用到粒子濾波器。該方法為一種非線性濾波算法，用蒙特卡羅方法計(jì)算出粒子權(quán)值的均值從而得到跟蹤目標(biāo)某一時(shí)刻的位置。粒子濾波器在處理非剛體運(yùn)動(dòng)目標(biāo)跟蹤問(wèn)題方面有獨(dú)到的優(yōu)勢(shì)，但在實(shí)時(shí)處理過(guò)程中，會(huì)出現(xiàn)如下三個(gè)問(wèn)

2、題：一、粒子樣本在迭帶計(jì)算過(guò)程中，會(huì)逐漸出現(xiàn)粒子枯竭并喪失粒子多樣性，從而導(dǎo)致失跟現(xiàn)像；二、粒子權(quán)值是通過(guò)觀測(cè)函數(shù)計(jì)算的，但是觀測(cè)值要受環(huán)境噪聲影響，如背景混亂或跟蹤目標(biāo)變形等，從而使粒子權(quán)值出現(xiàn)誤差導(dǎo)致失跟現(xiàn)像：三、大量增加粒子數(shù)量可解決(1)中的問(wèn)題，但是隨之而來(lái)的是計(jì)算復(fù)雜度的劇增，因而會(huì)影響跟蹤的實(shí)效性。 針對(duì)以上三個(gè)問(wèn)題，本文對(duì)粒子跟蹤算法進(jìn)行了實(shí)質(zhì)性改進(jìn)與增強(qiáng)，提出了支持向量回歸機(jī)(Support Vector Re

3、gression,簡(jiǎn)稱SVR)對(duì)非剛體目標(biāo)的跟蹤算法。支持向量回歸是一種統(tǒng)計(jì)學(xué)習(xí)方法，能夠通過(guò)樣本學(xué)習(xí)進(jìn)行函數(shù)估計(jì)，用于重新估計(jì)跟蹤粒子的權(quán)值，以消除環(huán)境噪聲帶來(lái)的誤差并保持粒子的多樣性。 本文的主要工作為：一、研究了支持向量回歸對(duì)噪聲的抑制原理，并通過(guò)實(shí)驗(yàn)得出不同參數(shù)設(shè)置時(shí)支持向量回歸對(duì)噪聲的抑制效果；二、在跟蹤框架中加入支持向量回歸方法重估粒子權(quán)值，對(duì)足球比賽視頻中的運(yùn)動(dòng)員進(jìn)行實(shí)時(shí)跟蹤，用實(shí)驗(yàn)對(duì)比了使用和未使用該方法對(duì)跟蹤目