基于粒子濾波的動(dòng)態(tài)場景目標(biāo)跟蹤算法.pdf

1、視頻中的運(yùn)動(dòng)目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域中最富有挑戰(zhàn)性的課題之一，它在智能監(jiān)控、武器裝備、自主導(dǎo)航車、醫(yī)學(xué)診斷、視頻編碼和氣象分析等眾多領(lǐng)域中都有著廣闊的研究和應(yīng)用前景。拍攝視頻過程中基于攝像機(jī)是否運(yùn)動(dòng)可以將運(yùn)動(dòng)目標(biāo)跟蹤分為兩種情況：一種是相機(jī)靜止不動(dòng)的靜態(tài)場景，一種是由于攝像機(jī)發(fā)生運(yùn)動(dòng)或是抖動(dòng)而產(chǎn)生的動(dòng)態(tài)場景。其中動(dòng)態(tài)場景中的背景不斷變化、場景中的光照變化、目標(biāo)形變和目標(biāo)遮擋等是運(yùn)動(dòng)目標(biāo)跟蹤的主要困難。針對(duì)這些因素的影響，本文從目標(biāo)的特征

2、提取、特征融合方法進(jìn)行改進(jìn)并結(jié)合粒子濾波算法實(shí)現(xiàn)了對(duì)動(dòng)態(tài)自然場景下的運(yùn)動(dòng)目標(biāo)跟蹤。
　　本文首先介紹了兩種經(jīng)典算法，即Meanshift和粒子濾波算法，并分別分析比價(jià)了它們的優(yōu)缺點(diǎn)并最終采用粒子濾波算法。為了解決自然場景中光照變化、背景與目標(biāo)顏色相似和目標(biāo)部分遮擋等跟蹤問題，本文提出了一種加權(quán)分塊環(huán)形顏色直方圖特征的提取方法。該方法首先對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分塊環(huán)形分割，分別提取分割區(qū)域的顏色直方圖特征，根據(jù)區(qū)域中運(yùn)動(dòng)目標(biāo)與背景像素個(gè)數(shù)的

3、比例來對(duì)該區(qū)域進(jìn)行加權(quán)。將該特征與HOG特征進(jìn)行融合應(yīng)用到粒子濾波算法中。
　　針對(duì)粒子濾波跟蹤算法中目標(biāo)漂移，導(dǎo)致跟蹤失敗的問題，本文提出了一種基于SVM評(píng)分的參考目標(biāo)模板更新策略。該方法首先要離線訓(xùn)練基于HOG特征的行人SVM分類器，在得到輸出跟蹤目標(biāo)坐標(biāo)后，提取該區(qū)域的HOG特征并將該特征輸入到分類器中，計(jì)算其到分類面的距離作為評(píng)分判斷，若大于閾值且該區(qū)域與參考模型的直方圖特征的巴氏距離小于閾值則更新參考模板，否則不更換；針

4、對(duì)運(yùn)動(dòng)過程中目標(biāo)尺度發(fā)生變化這一問題，本文在得到輸出運(yùn)動(dòng)目標(biāo)后，對(duì)該區(qū)域進(jìn)行擴(kuò)大和縮小，分別提取這三個(gè)區(qū)域的HOG特征計(jì)算其與參考目標(biāo)模型HOG特征的巴氏距離，取其中距離最近者的尺寸更新所有粒子，然后繼續(xù)進(jìn)行粒子濾波算法的下一步。
　　論文的實(shí)驗(yàn)采用Windows系統(tǒng)實(shí)現(xiàn)：采用Visual Studio2010和OpenCV2.3.11作為編寫程序的平臺(tái)；在實(shí)驗(yàn)過程中，共采用了5段實(shí)驗(yàn)視頻，其中1段來自于自拍視頻，4段來自于國際通