基于粒子濾波的圖像跟蹤算法研究.pdf

1、以探測(cè)搜索、捕獲跟蹤、激光瞄準(zhǔn)為技術(shù)依托的機(jī)載光電穩(wěn)定跟蹤系統(tǒng)已成為發(fā)展新一代光電裝備的戰(zhàn)略基點(diǎn)之一，對(duì)于國(guó)防安全、社會(huì)穩(wěn)定、現(xiàn)代化生產(chǎn)和生活有著非常重要的意義。在機(jī)載光電穩(wěn)定跟蹤系統(tǒng)中，圖像跟蹤是一個(gè)關(guān)鍵技術(shù)，直接決定了跟蹤系統(tǒng)的性能。同時(shí)，圖像跟蹤也是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)熱點(diǎn)研究問題，在視覺監(jiān)控、人機(jī)互動(dòng)、機(jī)器人導(dǎo)航等領(lǐng)域有著廣泛的應(yīng)用。 圖像跟蹤方法大致可分為兩大類：概率跟蹤方法和確定性跟蹤方法。概率跟蹤方法由于跟蹤性能穩(wěn)

2、定、可靠，已成為圖像跟蹤的主流方法，卡爾曼濾波和粒子濾波是這類方法的典型代表?？柭鼮V波對(duì)系統(tǒng)模型和后驗(yàn)分布有嚴(yán)格限制，只能處理線性、高斯、單模態(tài)的情況，而在圖像跟蹤應(yīng)用中，后驗(yàn)概率的分布往往是非線性、非高斯、多模態(tài)的，因此卡爾曼濾波的應(yīng)用受到一定的限制。與卡爾曼濾波不同，粒子濾波對(duì)于系統(tǒng)模型沒有特殊要求，而且能夠保持狀態(tài)的多模態(tài)分布，不易受雜波的影響，在跟蹤領(lǐng)域得到了很大發(fā)展。但常規(guī)粒子濾波跟蹤算法存在計(jì)算量大、采樣效率低等問題，而且

3、由于實(shí)際跟蹤場(chǎng)景的復(fù)雜性，給常規(guī)粒子濾波跟蹤算法提出了很大的挑戰(zhàn)。 為了提高粒子濾波跟蹤算法的魯棒性，進(jìn)而為科學(xué)研究和工程應(yīng)用提供理論和算法支持，針對(duì)粒子濾波跟蹤算法中存在的問題，本文提出了改進(jìn)的粒子濾波跟蹤算法。改進(jìn)工作主要從兩方面入手：一方面設(shè)計(jì)有效的采樣算法，使采樣粒子盡可能集中在目標(biāo)附近，更好地描述目標(biāo)狀態(tài)后驗(yàn)概率，提高粒子濾波的采樣效率，減小計(jì)算量；另一個(gè)方面提高粒子濾波似然評(píng)價(jià)的區(qū)分性和精確性，設(shè)計(jì)了顏色和形狀雙重信

4、息融合的似然模型、自適應(yīng)似然模型和混合似然模型，并且將這些似然模型結(jié)合到粒子濾波中實(shí)施跟蹤。具體的研究工作主要有： 第一，針對(duì)單一視覺信息在動(dòng)態(tài)變化環(huán)境下描述目標(biāo)不夠充分、跟蹤目標(biāo)不夠穩(wěn)定的缺點(diǎn)，設(shè)計(jì)了一種基于粒子濾波框架的自適應(yīng)信息融合跟蹤算法，研究中利用顏色和形狀雙重信息描述目標(biāo)，通過民主融合策略將兩種信息融合在一起，使得跟蹤算法能根據(jù)當(dāng)前跟蹤形勢(shì)自適應(yīng)調(diào)整兩種信息的權(quán)重，實(shí)現(xiàn)信息間的優(yōu)勢(shì)互補(bǔ)。由于這種算法能夠始終利用對(duì)當(dāng)前

5、跟蹤場(chǎng)景穩(wěn)定的信息跟蹤目標(biāo)，解決了動(dòng)態(tài)變化場(chǎng)景下單一信息跟蹤失效的問題。在設(shè)計(jì)粒子濾波跟蹤算法時(shí)，利用自適應(yīng)信息融合策略構(gòu)建似然模型，提高了粒子濾波跟蹤算法在復(fù)雜場(chǎng)景下的穩(wěn)健性。實(shí)驗(yàn)結(jié)果表明，自適應(yīng)信息融合跟蹤算法在目標(biāo)平動(dòng)、轉(zhuǎn)動(dòng)、部分遮擋等情形下都能成功地跟蹤目標(biāo)。當(dāng)跟蹤場(chǎng)景中出現(xiàn)顏色相似目標(biāo)時(shí)，采用多塊顏色模型能夠很好的區(qū)分目標(biāo)，解決了相似目標(biāo)沖突問題。 第二，針對(duì)粒子濾波采樣效率低，計(jì)算量大的問題，提出了兩種改進(jìn)的粒子濾波

6、跟蹤算法：輔助核粒子濾波跟蹤算法和層次采樣跟蹤算法。輔助核粒子濾波算法首先采用輔助粒子濾波采樣粒子，然后利用均值偏移移動(dòng)粒子到后驗(yàn)密度模式處。與粒子濾波和核粒子濾波相比，輔助核粒子濾波算法在采樣時(shí)充分考慮觀測(cè)值，解決了粒子濾波和核粒子濾波采樣時(shí)由于沒有利用觀測(cè)值而造成粒子不能完全覆蓋在目標(biāo)位置附近的問題；輔助核粒子濾波算法減少了均值偏移迭代次數(shù)，與核粒子濾波相比，降低了計(jì)算量，同時(shí)跟蹤性能還可能更高。層次式采樣策略在采樣粒子時(shí)，既強(qiáng)調(diào)了

7、粒子的集中性又考慮粒子的多樣性，所得粒子集能更好地表達(dá)后驗(yàn)概率密度，對(duì)于目標(biāo)發(fā)生突然快速運(yùn)動(dòng)的情況，其跟蹤性能優(yōu)于粒子濾波和核粒子濾波。實(shí)驗(yàn)表明，本文提出的兩種跟蹤算法在目標(biāo)快速運(yùn)動(dòng)、平動(dòng)、轉(zhuǎn)動(dòng)、遮擋、復(fù)雜背景下均能較好地跟蹤目標(biāo)。 第三，為了反映跟蹤過程中目標(biāo)表觀的變化，提高跟蹤算法在動(dòng)態(tài)場(chǎng)景下的適應(yīng)性和穩(wěn)健性，提出了一種基于自適應(yīng)表觀模型的跟蹤算法。利用遞增核密度近似方法在線更新灰度表觀模型，方便了跟蹤算法的實(shí)時(shí)處理。在實(shí)施

8、跟蹤算法時(shí)，采用自適應(yīng)表觀模型設(shè)計(jì)粒子濾波的似然模型。另外，采用遮擋處理策略減少異常像素對(duì)狀態(tài)估計(jì)的影響。實(shí)驗(yàn)結(jié)果表明，與同定表觀模型跟蹤算法相比，基于自適應(yīng)表觀模型的跟蹤算法在光照變化、姿態(tài)變化、表情變化以及部分或完全遮擋等情形下，均具有較好的跟蹤效果。 第四，針對(duì)跟蹤場(chǎng)景的復(fù)雜性，為了使跟蹤算法能“辨別”目標(biāo)，提高跟蹤算法區(qū)分目標(biāo)和背景的能力，提出了一種混合表觀模型跟蹤算法?；旌媳碛^模型由固定表觀模型、快速變化表觀模型和特征

9、基表觀模型組成，能充分反映目標(biāo)表觀變化。其中特征基表觀模型通過加權(quán)遞增主成分分析方法在線更新，獲得的特征基能更好地描述目標(biāo)表觀，提高跟蹤算法“辨別”目標(biāo)的能力。采用上述混合表觀模型設(shè)計(jì)粒子濾波似然模型，使跟蹤算法在復(fù)雜場(chǎng)景下更穩(wěn)定，更精確。另外，在整個(gè)跟蹤算法中，采用遮擋處理策略，進(jìn)一步提高了跟蹤算法在遮擋發(fā)生時(shí)的有效性。實(shí)驗(yàn)表明，所提算法在光照變化、姿態(tài)變化、部分遮擋、全部遮擋等環(huán)境下均能穩(wěn)定可靠地跟蹤目標(biāo)，性能優(yōu)于利用單一表觀模型的