CKF算法在目標(biāo)跟蹤中的應(yīng)用研究.pdf

1、目標(biāo)跟蹤是當(dāng)下的熱門技術(shù)，在各領(lǐng)域已應(yīng)用廣泛。在視頻監(jiān)控領(lǐng)域，準(zhǔn)確的目標(biāo)跟蹤幫助技術(shù)人員快速地鎖定目標(biāo)行為；在軍事領(lǐng)域中，準(zhǔn)確的目標(biāo)跟蹤能快速地鎖定雷達(dá)監(jiān)測(cè)目標(biāo)，從而為下一步行動(dòng)做準(zhǔn)確地預(yù)判。在目標(biāo)跟蹤領(lǐng)域中，對(duì)相關(guān)濾波算法的研究及其工程應(yīng)用對(duì)改善跟蹤性能起到至關(guān)重要的作用。當(dāng)目標(biāo)運(yùn)動(dòng)狀態(tài)發(fā)生突變，傳統(tǒng)的跟蹤算法可能會(huì)丟失跟蹤目標(biāo)。而引入合適的濾波算法能大幅改善跟蹤的精度?；诖饲闆r，本文將濾波算法與傳統(tǒng)的跟蹤算法相結(jié)合，分別應(yīng)用在視頻

2、目標(biāo)跟蹤和雷達(dá)監(jiān)測(cè)二維空間內(nèi)目標(biāo)跟蹤兩種情況下，從而使新的算法滿足準(zhǔn)確跟蹤的要求。
　　本文闡述了目標(biāo)跟蹤和濾波算法的發(fā)展情況，明確目標(biāo)跟蹤的核心問(wèn)題。建立了目標(biāo)跟蹤的常用模型，并闡述了基于貝葉斯濾波理論的目標(biāo)跟蹤原理及流程，進(jìn)行仿真驗(yàn)證。從線性Kalman濾波入手，推導(dǎo)分析了三種非線性濾波算法EKF、UKF和CKF的精度和等效flops復(fù)雜度，總結(jié)了各種算法的適用模型和優(yōu)缺點(diǎn)。提出當(dāng)前比較熱門的UKF和CKF算法對(duì)不同維數(shù)下的非

3、線性模型進(jìn)行仿真實(shí)驗(yàn)，比較均方根誤差，進(jìn)而確定當(dāng)系統(tǒng)狀態(tài)維數(shù)n3時(shí)，選擇CKF濾波算法的必要性。將CKF結(jié)合Mean Shift，通過(guò)CKF算法不斷預(yù)測(cè)更新目標(biāo)下一幀初始點(diǎn)位置，從而彌補(bǔ)Mean Shift跟蹤算法的不足，將新算法應(yīng)用在某運(yùn)動(dòng)狀態(tài)可控的小車視頻中，改變小車的運(yùn)動(dòng)狀態(tài)。通過(guò)分析比較兩種算法的跟蹤精度，驗(yàn)證了新算法的跟蹤性能。將傳統(tǒng)的CKF算法進(jìn)行改進(jìn)，結(jié)合MFNN和自適應(yīng)濾波理論提出了一種適用于模型噪聲統(tǒng)計(jì)特性不確定情況下