基于均值漂移和粒子濾波的目標(biāo)跟蹤算法研究.pdf

1、在計(jì)算機(jī)視覺領(lǐng)域，基于幀間的視頻圖像目標(biāo)跟蹤已經(jīng)成為一個熱門課題，廣泛應(yīng)用于機(jī)動目標(biāo)跟蹤、機(jī)器人研究、人機(jī)接口和圖像目標(biāo)編碼等。而要在目標(biāo)快速移動、遮擋、目標(biāo)變形、光照變化、背景噪聲以及有實(shí)時性要求等條件下也能實(shí)現(xiàn)穩(wěn)健的目標(biāo)跟蹤是學(xué)者們關(guān)注的焦點(diǎn)，也是目前實(shí)際應(yīng)用中一個急待解決的難題。 在眾多的目標(biāo)跟蹤算法中，作者深入研究了均值漂移和粒子濾波算法。均值漂移算法是一種基于密度梯度上升的非參數(shù)方法，通過迭代運(yùn)算找到目標(biāo)位置，實(shí)現(xiàn)目標(biāo)

2、跟蹤。它顯著的優(yōu)點(diǎn)是算法計(jì)算量小，簡單易實(shí)現(xiàn)，很適合于實(shí)時跟蹤場合；但是跟蹤小目標(biāo)和快速移動目標(biāo)時常常失敗，而且在全部遮擋情況下不能自我恢復(fù)跟蹤。本文在第二章對均值漂移算法理論和在目標(biāo)跟蹤的應(yīng)用作了詳細(xì)的推導(dǎo)和描述，通過大量實(shí)驗(yàn)提出應(yīng)用核直方圖來計(jì)算目標(biāo)分布，證明了均值漂移算法具有很好的實(shí)時性特點(diǎn)。在第三、四章節(jié)中對均值漂移算法缺點(diǎn)作了實(shí)驗(yàn)分析。 另外一種引人注意的方法是粒子濾波算法，得益于它在充滿噪聲的復(fù)雜環(huán)境也能表現(xiàn)出優(yōu)異的

3、跟蹤性能。粒子濾波器是一種基于傳播樣本集的遞歸貝葉斯濾波器，同時它保持多重假設(shè)以及使用隨機(jī)運(yùn)動模型預(yù)測目標(biāo)位置。擁有多重假設(shè)使得跟蹤器能很好的處理背景中的噪聲影響，并在短時丟失目標(biāo)或者跟蹤失敗的情況下能自我恢復(fù)跟蹤，在非線性非高斯場合下能實(shí)現(xiàn)穩(wěn)健的跟蹤。然而這種方法有兩個關(guān)鍵問題：退化現(xiàn)象和很大計(jì)算量，在實(shí)時跟蹤系統(tǒng)中構(gòu)成了應(yīng)用瓶頸。本文在第三章中對粒子濾波算法原理以及在目標(biāo)跟蹤中的應(yīng)用作了詳細(xì)討論，設(shè)計(jì)了目標(biāo)模板更新方法。實(shí)驗(yàn)證明，與

4、均值漂移跟蹤算法相比，粒子濾波跟蹤算法具有很好的魯棒性和抗遮擋、抗干擾性，但是計(jì)算量卻很大。 本文中，作者結(jié)合兩種算法的優(yōu)缺點(diǎn)提出了一條新的思路，就是將均值漂移嵌入到粒子濾波算法里面，對粒子樣本進(jìn)行聚集作用，能得到更多具有高權(quán)重的樣本粒子，丟棄那些對跟蹤貢獻(xiàn)幾乎為零的樣本，同時大量減少了用于描述目標(biāo)狀態(tài)的樣本數(shù)量。文中第四章詳細(xì)闡述設(shè)計(jì)了均值漂移嵌入粒子濾波跟蹤算法，實(shí)驗(yàn)證明這種方法解決了粒子濾波器的退化現(xiàn)象和計(jì)量大的問題，在跟