基于粒子濾波和活動(dòng)輪廓模型的目標(biāo)跟蹤算法研究.pdf

1、長(zhǎng)期以來(lái)，人們?yōu)榱撕?jiǎn)化系統(tǒng)建模以及降低運(yùn)算的復(fù)雜性，通常將非線性問(wèn)題近似為線性問(wèn)題來(lái)處理，然而非線性科學(xué)以及各種其他學(xué)科的發(fā)展證明這種線性化的方法并不總是適用的。粒子濾波通過(guò)非參數(shù)化的蒙特卡羅模擬方法來(lái)實(shí)現(xiàn)遞推貝葉斯濾波，適用于任何能用狀態(tài)空間模型表示的非線性系統(tǒng)，以及傳統(tǒng)卡爾曼濾波無(wú)法表示的非線性系統(tǒng)，精度可以逼近最優(yōu)估計(jì)。
　　 將粒子濾波應(yīng)用于活動(dòng)輪廓模型目標(biāo)跟蹤領(lǐng)域，目前這方面的研究成果國(guó)內(nèi)外還較少。研究基于粒子濾波和活

2、動(dòng)輪廓模型的目標(biāo)跟蹤算法，對(duì)智能交通系統(tǒng)中的目標(biāo)檢測(cè)與跟蹤，以及對(duì)拓展活動(dòng)輪廓模型的應(yīng)用范圍等，不僅具有重要的理論意義，而且具有較高的應(yīng)用價(jià)值。
　　 本論文著重研究了基于粒子濾波和活動(dòng)輪廓模型的目標(biāo)跟蹤算法。在論文最后一章，將粒子濾波應(yīng)用于認(rèn)知無(wú)線電系統(tǒng)，研究了基于粒子濾波的自回歸信道預(yù)測(cè)模型，可應(yīng)用于認(rèn)知無(wú)線電系統(tǒng)中的頻譜空洞檢測(cè)、自適應(yīng)功率控制等。主要內(nèi)容包括：
　　 (1)基于視頻的目標(biāo)檢測(cè)與跟蹤算法研究概述。首

3、先介紹了交通檢測(cè)系統(tǒng)，研究討論了常用的目標(biāo)檢測(cè)算法，基于模型的目標(biāo)檢測(cè)算法；目標(biāo)跟蹤的基本類型，基于模板匹配、卡爾曼濾波和粒子濾波的目標(biāo)跟蹤的主要數(shù)學(xué)工具。在此基礎(chǔ)上，研究討論了粒子濾波原理：活動(dòng)輪廓模型目標(biāo)跟蹤，重點(diǎn)分析了參數(shù)活動(dòng)輪廓模型的梯度矢量流模型(GVF)，以及幾何活動(dòng)輪廓模型中的Chan-Vese(C-V)模型，討論了活動(dòng)輪廓模型目標(biāo)跟蹤研究現(xiàn)狀。
　　 (2)研究了一種基于粒子濾波和GVF-Snake的自適應(yīng)目標(biāo)跟

4、蹤算法。該算法首先采用背景差分法獲取目標(biāo)初始輪廓，利用改進(jìn)的GVF-Snake的強(qiáng)大搜索能力，使Snake收斂至運(yùn)動(dòng)目標(biāo)的真實(shí)輪廓；然后根據(jù)控制點(diǎn)的距離增刪控制點(diǎn)，達(dá)到自適應(yīng)地跟蹤運(yùn)動(dòng)和變形目標(biāo)的目的；最后通過(guò)結(jié)合粒子濾波和改進(jìn)的GVF-Snake，得到一種能量粒子濾波(EPF)目標(biāo)跟蹤算法，并利用提出的跟蹤策略，改進(jìn)其抗遮擋能力。實(shí)驗(yàn)結(jié)果表明，被跟蹤目標(biāo)在部分遮擋情況下也能夠保持良好的跟蹤效果。
　　 (3)在基于粒子濾波和G

5、VF-Snake的目標(biāo)跟蹤算法研究的基礎(chǔ)上，研究了一種基于改進(jìn)的K均值聚類能量粒子濾波和GVF-Snake的自適應(yīng)多目標(biāo)跟蹤算法。討論了K均值聚類算法，結(jié)合粒子濾波和GVF-Snake提出了改進(jìn)的K均值算法，并提出了克服跟蹤過(guò)程中目標(biāo)間相互遮擋的方法。實(shí)驗(yàn)表明：在整個(gè)跟蹤過(guò)程中，本文算法能夠充分利用GVF-Snake目標(biāo)輪廓大部分沒(méi)有被遮擋的輪廓點(diǎn)信息，并使得被跟蹤目標(biāo)在部分遮擋情況下也能保持良好的跟蹤效果。
　　 (4)本論文