基于密度迭代的粒子濾波視頻目標(biāo)跟蹤算法研究.pdf

1、視頻目標(biāo)跟蹤是近年來(lái)計(jì)算機(jī)視覺(jué)領(lǐng)域中的研究熱點(diǎn)，在人機(jī)交互、視頻監(jiān)控、智能交通等方面都有著廣泛的應(yīng)用。視頻目標(biāo)跟蹤算法的優(yōu)劣性直接影響著運(yùn)動(dòng)目標(biāo)跟蹤的穩(wěn)定性和精確度，研究一種魯棒性好、實(shí)時(shí)性高的視頻目標(biāo)跟蹤算法是該領(lǐng)域所面臨的重要問(wèn)題。當(dāng)前的目標(biāo)跟蹤算法由于計(jì)算復(fù)雜度高、跟蹤環(huán)境復(fù)雜等問(wèn)題，算法的魯棒性和實(shí)時(shí)性仍有待改進(jìn)。
　　 視頻目標(biāo)被遮擋是視頻目標(biāo)跟蹤處理上的難點(diǎn)之一，目前仍沒(méi)有一種算法能夠同時(shí)的解決各種遮擋問(wèn)題，包括目標(biāo)

2、被部分遮擋、全部遮擋及相似物體遮擋干擾等等問(wèn)題。本文提出了基于密度迭代的粒子濾波目標(biāo)跟蹤算法(DensityPropagation based Particle Filter,DP-PF)，利用每一時(shí)刻目標(biāo)出現(xiàn)時(shí)的粒子群的分布密度、權(quán)值密度迭代到后續(xù)視頻序列當(dāng)中進(jìn)行處理，有效地提高算法的魯棒性；利用RGB顏色空間分量壓縮及結(jié)合像素位置信息的權(quán)重因素建立目標(biāo)特征模型，Bhattacharyya系數(shù)作為模型之間的相似性度量以提高算法的效率。