粒子滤波框架下的自适应多特征融合目标跟踪方法研究

摘要

视频目标跟踪是计算机视觉领域的核心问题，在民用和军事上都有着广泛的应用，如智能监控、人机交互、机器人导航、以及制导武器等，近年来，随着信息技术的高速发展，目标跟踪吸引了许多研究者的关注，成为热点研究问题。尽管人们已经提出了很多有效的视频目标跟踪算法，但是在实际应用中视频目标跟踪仍然面临着许多困难，如光照变化、目标姿态的改变和非线性形变以及背景中的噪声和干扰等等，因此设计鲁棒的视频目标跟踪算法仍然是一项具有挑战性的任务。
　　本文以粒子滤波器为框架，对视频目标跟踪中的难点问题，针对目标外观模型设计开展了深入的研究，提出多特征自适应融合的目标观测模型表示方法。设计了自适应权值调整算法，并提出基于多个特征权值可调的粒子滤波器用于目标跟踪。
　　为了能对各特征权值进行自适应的调整，本文通过对粒子滤波器粒子分布的分析，设计了逐帧权值自适应更新算法。这种基于当前帧粒子分布的方法能够很好地权衡各特征的可靠性，从而相应地调整其权值，在很大程度上，能够适应跟踪环境的复杂性，保证跟踪的准确度，然而该方法容易受到当前帧误差的影响。
　　考虑到权值变化在时间序列上的连续性，本文设计了一种权值跟踪策略，采用粒子滤波对特征权值进行跟踪，并与逐帧调整算法相结合，提出了双重粒子滤波多特征融合目标跟踪算法。该方法既实现了特征权值根据实际情况逐帧调整，又避免了跟踪误差造成的权值突变，保证了跟踪结果稳定可靠。
　　本文提出的权值调整算法及跟踪方法，为跟踪的精度和鲁棒性提供了稳定可靠的基础。在具有不同跟踪条件的视频数据上的测试结果表明，这种基于自适应权值的多特征融合策略与现有的融合方法相比，取得了非常明显的改进效果。

目录

粒子滤波框架下的自适应多特征融合目标跟踪方法研究

RESEARCH ON ADAPTIVE MULTI-CUE

摘要

Abstract

第一章 绪论

1.1 课题背景及研究的目的和意义

1.2 课题相关领域研究现状及分析

1.2.1 主要跟踪方法分析

1.2.2 目标外观建模方法分析

1.3 本文的研究内容及结构安排

第2章 粒子滤波算法理论

2.1 引言

2.2 粒子滤波理论基础

2.2.1 蒙特卡罗方法

2.2.2 贝叶斯重要性采样

2.2.3 序贯重要性采样

2.2.4 粒子退化问题

2.2.5 重要性函数的选择

2.2.6 重采样

2.2.7 基本的粒子滤波算法描述

2.2.8 利用样本集估计目标位置

2.3 本章小节

第3章 自适应权值计算的多特征融合跟踪方法

3.1 引言

3.2 目标的视觉特征

3.2.1 跟踪算法的目标特征选取

3.3 本文采用的特征表示与描述

3.3.1 颜色特征

3.3.2 纹理特征

3.3.3 边缘特征

3.3.4 直方图相似性度量

3.4 自适应权值的多特征融合算法

3.4.1 粒子滤波器中多特征融合的目标建模框架

3.4.2 多特征融合的自适应权值计算方法

3.5 多特征自适应融合的粒子滤波跟踪算法

3.6 本章小结

第4章 双重粒子滤波自适应权值跟踪

4.1 引言

4.2 自适应权值跟踪多特征融合方法

4.2.1 权值跟踪策略

4.2.2 自适应权值跟踪多特征融合方法

4.3 双重粒子滤波跟踪算法

4.4 本章小结

第5章 实验结果及分析

5.1 引言

5.2 实验参数说明

5.3 与单特征跟踪和权值固定多特征跟踪的比较

5.4 复杂背景下的视频跟踪

5.5 遮挡情况下的视频跟踪

5.6 场景突变情况下的视频跟踪

5.7 本章小结

结论

参考文献

攻读学位期间发表的学术论文

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

致谢