基于背景差分和粒子濾波模型的錢塘江涌潮的檢測(cè)與跟蹤.pdf

1、錢塘江涌潮被譽(yù)為“天下第一潮”，每年都吸引大量的國(guó)內(nèi)外觀賞者。錢塘江涌潮給世人帶來(lái)驚嘆的同時(shí)，也存在著一些安全上的隱患，導(dǎo)致了一些悲劇的發(fā)生。如何能夠建立準(zhǔn)確的錢塘江涌潮的檢測(cè)跟蹤系統(tǒng)，避免涌潮帶來(lái)的災(zāi)難，讓其更好的服務(wù)社會(huì)，成為當(dāng)前急需解決的課題。
　　文中把運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法應(yīng)用在錢塘江涌潮的檢測(cè)與跟蹤，主要內(nèi)容包括通過(guò)最優(yōu)特征選擇和支持向量機(jī)構(gòu)建基于背景建模的錢塘江涌潮的檢測(cè)，并結(jié)合顏色特征和粒子濾波模型對(duì)錢塘江涌潮進(jìn)行

2、跟蹤，工作和創(chuàng)新點(diǎn)如下：
　　(1)提出了最優(yōu)特征選擇方法：由于視頻圖像的像素可以有不同類型的特征，并且特征之間存在差異，首先用統(tǒng)計(jì)的方法（高斯核函數(shù)）計(jì)算視頻幀中像素的某個(gè)特征的概率密度，統(tǒng)計(jì)不同區(qū)間的密度估計(jì)值，結(jié)合最優(yōu)特征提取新方法，選擇出最優(yōu)的特征集來(lái)組成初始化的特征模板。
　　(2)構(gòu)建了基于支持向量機(jī)的自適應(yīng)背景模型：通過(guò)最小二乘支持向量機(jī)（Least Squares Support Vector Machine

3、s, LS-SVM）的學(xué)習(xí)能力估計(jì)非線性動(dòng)態(tài)場(chǎng)景中像素特征的重要信息，訓(xùn)練視頻中對(duì)應(yīng)模板圖位置的像素特征值，構(gòu)造出背景模型。設(shè)計(jì)一種全新實(shí)時(shí)背景模型更新的算法，以減少因水面波動(dòng)對(duì)背景模型檢測(cè)效果的影響。
　　(3)構(gòu)建了基于顏色特征的粒子濾波跟蹤算法：顏色特征對(duì)局部遮擋、形變不敏感、易操作的優(yōu)點(diǎn)，可以抑制水面的波動(dòng)、涌潮的大小、河道寬度變化等因素對(duì)錢塘江涌潮的跟蹤效果的影響。在HSV顏色空間中分離出H特征，使用粒子的信息描述了涌潮

4、的狀態(tài)，統(tǒng)計(jì)繪制出粒子集合的顏色特征信息直方圖分布，構(gòu)建粒子群系統(tǒng)，更新粒子狀態(tài)，預(yù)測(cè)涌潮的坐標(biāo)點(diǎn)，然后粒子群進(jìn)行重采樣運(yùn)算實(shí)現(xiàn)對(duì)錢塘江涌潮的跟蹤。
　　仿真實(shí)驗(yàn)表明：涌潮檢測(cè)時(shí)，算法正確分離出的前景像素?cái)?shù)量高于同類算法，F(xiàn)-Measure值達(dá)到78.1％,算法處理視頻的平均速度為9f/s，不斷更新參數(shù)的背景模型可以適應(yīng)水面波動(dòng)的變化。在涌潮跟蹤時(shí)，算法的像素誤差在7個(gè)單位左右，處理視頻的平均速度在89.7ms/frame，可以長(zhǎng)