復雜觀測條件下的基于粒子濾波的視覺跟蹤.pdf

1、使用攝像機對各種場景進行監(jiān)控，已經廣泛深入到社會生活的方方面面。從銀行和住宅小區(qū)的保安監(jiān)控到市區(qū)街道和高速公路上的交通監(jiān)控，從軍事目標的跟蹤和識別到智能武器系統(tǒng)，攝像機作為人類視覺的延伸，起著非常重要的作用。視覺跟蹤是實現智能監(jiān)控的關鍵技術，作為計算機視覺研究領域的核心課題之一，融合了圖像處理、模式識別、人工智能、自動控制以及計算機等若干領域的先進技術，并在軍事視覺制導、視頻監(jiān)控、機器人視覺導航、醫(yī)療診斷以及氣象分析等方面都有廣泛的應用

2、。目前，基于貝葉斯推斷的視覺跟蹤方法成為視覺跟蹤研究的主要方法之一，其思路是將目標跟蹤問題轉換為貝葉斯估計問題，已知目標狀態(tài)的先驗概率，在獲得新的目標觀測后不斷求解目標狀態(tài)的最大后驗概率的過程。在實際的視覺跟蹤過程中，后驗概率的分布往往是非線性、非高斯、多模態(tài)的。為此，基于貝葉斯理論的粒子濾波視覺跟蹤方法被提出用于解決這一問題，并且成為視覺跟蹤研究中的常用方法。影響基于粒子濾波的視覺跟蹤方法性能的因素主要有三個：粒子的貧化問題；可靠的觀

3、測模型；精確的運動模型。一般情況下，要從二維的被噪聲污染的視頻圖像數據中建立精確的運動模型是相當困難的，因此，人們在解決基于粒子濾波視覺跟蹤方法的魯棒性問題時，主要是研究如何建立可靠的觀測模型以及如何消除貧化問題。現實環(huán)境中的許多情況都會影響在視頻圖像中對運動目標的可靠觀測，例如：復雜背景的干擾；同時存在多運動目標；場景中光線亮度的變化；景物遮擋；被跟蹤目標的姿態(tài)改變；快速運動等等。人們希望視覺跟蹤算法能夠在各種復雜的情況下持續(xù)穩(wěn)定的跟

4、蹤運動目標。因此，魯棒性問題一直是視覺跟蹤研究的難點和熱點。本文主要針對目前視覺跟蹤的難點，研究運動目標在多種復雜觀測條件下的魯棒跟蹤問題，并提出相應的基于粒子濾波的解決方法。論文的創(chuàng)新點及主要工作包括： (1)為了解決室外復雜場景中的多目標魯棒跟蹤問題，提出了一種基于自適應目標提取的增強粒子濾波跟蹤算法。首先用自適應高斯混合模型建模被監(jiān)控場景的背景，并使用像素變化檢測、陰影檢測和形態(tài)學操作進行運動目標的自適應檢測。在兩階段增強

5、粒子濾波跟蹤階段，利用卡爾曼濾波結合最新的觀測對目標狀態(tài)進行更新，通過觀測似然的計算實現對目標進入、退出場景以及相互遮擋事件進行處理。 (2)為了解決光線變化的情況下，以及發(fā)生旋轉、平移和尺度變化等姿態(tài)變化的運動目標的魯棒跟蹤問題，提出了一種基于自適應觀測模型的粒子濾波跟蹤算法。被跟蹤對象通過概率密度的自適應高斯近似建模來適應光線變化，在計算運動目標的觀測似然時，通過引入魯棒統(tǒng)計處理目標的遮擋問題，并使用基于仿射變換的相似性度量

6、方法處理目標的姿態(tài)變化。 (3)為了解決目標在快速運動情況下的魯棒跟蹤問題，提出了基于遺傳進化高斯核粒子濾波的跟蹤算法。針對視覺跟蹤中采用傳統(tǒng)粒子濾波的缺陷，首先使用高斯核代替?zhèn)鹘y(tǒng)粒子濾波的狄拉克函數，并在濾波過程中內嵌重采樣來減小粒子退化問題。為了進一步提高粒子濾波的性能，利用遺傳進化策略改進濾波過程，提出了基于遺傳進化高斯核粒子濾波的跟蹤算法，不但可以防止粒子貧化問題，而且能使粒子重新分布到后驗概率的局部模式上，使得只用較少

7、的粒子數也能對快速運動的目標進行有效跟蹤。 (4)為了在目標姿態(tài)變化以及復雜背景下實現對目標輪廓的魯棒跟蹤，提出了一種基于改進粒子濾波的B樣條輪廓跟蹤算法。被跟蹤對象的輪廓通過B樣條建模，在形狀空間中通過平面仿射變形處理目標的旋轉、平移和尺度等姿態(tài)變化；通過最大似然估計方法學習得到較精確的系統(tǒng)運動模型，并使用非線性的觀測模型計算觀測似然，跟蹤濾波過程中采用進行基于遺傳進化的迭代重采樣濾波，從而實現優(yōu)于傳統(tǒng)粒子濾波的輪廓跟蹤性能。