本文關(guān)鍵詞：基于壓縮粒子濾波的改進(jìn)目標(biāo)跟蹤算法研究

  更多相關(guān)文章： 目標(biāo)跟蹤 遮擋 尺度變化 壓縮粒子濾波 分塊 窗口更新機(jī)制

【摘要】：目標(biāo)跟蹤技術(shù)已經(jīng)成為航空航天、智能監(jiān)控、安全管理、醫(yī)療衛(wèi)生等領(lǐng)域發(fā)展的必要手段。隨著應(yīng)用越來(lái)越廣泛,對(duì)目標(biāo)跟蹤技術(shù)性能的要求也越來(lái)越高。而跟蹤過(guò)程中存在的目標(biāo)遮擋、尺度變化、光照變化等問(wèn)題又是影響跟蹤效果的重要因素。因此,為解決因目標(biāo)遮擋和尺度變化造成的跟蹤魯棒性下降的問(wèn)題,論文提出了基于分塊的壓縮粒子濾波目標(biāo)跟蹤算法和基于窗口更新的分塊壓縮粒子濾波目標(biāo)跟蹤算法來(lái)解決上述兩個(gè)問(wèn)題。粒子濾波目標(biāo)跟蹤算法利用概率估計(jì)的方式在跟蹤過(guò)程中可以較好地處理目標(biāo)部分遮擋,但跟蹤的準(zhǔn)確性會(huì)隨著粒子數(shù)目的增加而急劇增加,造成該算法在實(shí)際跟蹤場(chǎng)景中應(yīng)用的局限性。而基于壓縮感知的目標(biāo)跟蹤算法是通過(guò)對(duì)原始圖像的特征進(jìn)行壓縮提取,使得高維的目標(biāo)特征降低到低維,因此在進(jìn)行目標(biāo)跟蹤的過(guò)程中運(yùn)算的效率將大大提升。考慮到實(shí)際應(yīng)用中存在目標(biāo)被遮擋的情況,上述所提及的兩種算法可以達(dá)到理論上的互補(bǔ),論文在上述兩種算法的基礎(chǔ)上提出了一種基于分塊的壓縮粒子濾波目標(biāo)跟蹤算法用于解決跟蹤中的遮擋問(wèn)題。改進(jìn)算法是將壓縮感知理論應(yīng)用到粒子濾波框架下,同時(shí)考慮到目標(biāo)遮擋情況的復(fù)雜性,提出了目標(biāo)分塊匹配機(jī)制,對(duì)目標(biāo)進(jìn)行分塊后根據(jù)子塊的相似度信息判斷子塊遮擋情況,在模板更新階段對(duì)被遮擋的子塊不進(jìn)行更新,此外在目標(biāo)特征提取時(shí)使用了改進(jìn)的包含空間信息的顏色特征提取方法,更加精確地描述目標(biāo)。通過(guò)上述的改進(jìn),一定程度上緩解了目標(biāo)因?yàn)楸徽趽醵霈F(xiàn)的跟蹤偏移甚至跟蹤丟失的問(wèn)題。在實(shí)際的跟蹤過(guò)程中,目標(biāo)遮擋的同時(shí)往往伴隨著目標(biāo)尺寸的變化。因此論文在上述改進(jìn)算法的基礎(chǔ)上對(duì)跟蹤過(guò)程中目標(biāo)尺寸發(fā)生變化的情況進(jìn)行了討論,并提出了基于窗口更新的分塊壓縮粒子濾波目標(biāo)跟蹤算法。該算法將窗口的自動(dòng)更新機(jī)制融入到目標(biāo)跟蹤的過(guò)程中,在跟蹤過(guò)程中設(shè)定多個(gè)匹配窗口,尋找模板匹配度最高的目標(biāo)窗口的中心位置作為目標(biāo)跟蹤的最終位置信息。由于算法改進(jìn)是在分塊壓縮粒子濾波目標(biāo)跟蹤算法的基礎(chǔ)上進(jìn)行的,因此可以同時(shí)解決目標(biāo)尺寸變化以及遮擋的問(wèn)題。通過(guò)理論和仿真實(shí)驗(yàn)對(duì)論文所提兩種改進(jìn)算法進(jìn)行了定性和定量的分析,實(shí)驗(yàn)結(jié)果表明基于分塊的壓縮粒子濾波目標(biāo)跟蹤算法可以較好地解決遮擋問(wèn)題,而基于窗口更新的分塊壓縮粒子濾波目標(biāo)跟蹤算法在一定程度上可以減小目標(biāo)在尺度變化時(shí)引起的跟蹤漂移現(xiàn)象,同時(shí)實(shí)現(xiàn)了目標(biāo)跟蹤過(guò)程中實(shí)時(shí)性與魯棒性的折中。
【關(guān)鍵詞】：目標(biāo)跟蹤 遮擋 尺度變化 壓縮粒子濾波 分塊 窗口更新機(jī)制
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41
【目錄】：

• 摘要3-5
• Abstract5-9
• 第一章 緒論9-18
• 1.1 引言9
• 1.2 研究背景及意義9-11
• 1.3 目標(biāo)跟蹤算法面臨的挑戰(zhàn)11-13
• 1.4 目標(biāo)跟蹤算法的國(guó)內(nèi)外研究現(xiàn)狀13-16
• 1.5 論文的主要內(nèi)容和結(jié)構(gòu)安排16-18
• 第二章 目標(biāo)跟蹤算法的理論基礎(chǔ)18-34
• 2.1 基于粒子濾波(PF)的目標(biāo)跟蹤算法19-27
• 2.1.1 PF的理論基礎(chǔ)19-25
• 2.1.2 基于PF的目標(biāo)跟蹤算法實(shí)現(xiàn)25-26
• 2.1.3 實(shí)驗(yàn)結(jié)果與分析26-27
• 2.2 基于壓縮感知(CS)的目標(biāo)跟蹤算法27-33
• 2.2.1 CS的理論基礎(chǔ)27-30
• 2.2.2 基于CS的目標(biāo)跟蹤算法實(shí)現(xiàn)30-31
• 2.2.3 實(shí)驗(yàn)結(jié)果與分析31-33
• 2.3 本章小結(jié)33-34
• 第三章 基于PF和CS的改進(jìn)目標(biāo)跟蹤算法34-49
• 3.1 壓縮粒子濾波(CPF)目標(biāo)跟蹤算法34-39
• 3.1.1 CPF目標(biāo)跟蹤算法理論與算法流程35-37
• 3.1.2 實(shí)驗(yàn)結(jié)果與分析37-39
• 3.2 基于分塊的壓縮粒子濾波目標(biāo)跟蹤算法(BCPF)39-44
• 3.2.1 目標(biāo)分塊跟蹤算法理論39-42
• 3.2.2 BCPF目標(biāo)跟蹤算法流程42-44
• 3.3 實(shí)驗(yàn)分析與比較44-48
• 3.4 本章小結(jié)48-49
• 第四章 基于窗口更新的BCPF目標(biāo)跟蹤算法49-63
• 4.1 窗口自動(dòng)更新機(jī)制50-52
• 4.1.1 固定窗口跟蹤50-51
• 4.1.2 跟蹤窗口更新機(jī)制51-52
• 4.2 基于窗口更新的BCPF目標(biāo)跟蹤算法52-55
• 4.2.1 特征壓縮矩陣的更新52-53
• 4.2.2 窗口更新的改進(jìn)BCPF目標(biāo)跟蹤算法流程53-55
• 4.3 實(shí)驗(yàn)分析與比較55-62
• 4.4 本章小結(jié)62-63
• 第五章 總結(jié)與展望63-65
• 5.1 總結(jié)63-64
• 5.2 展望64-65
• 參考文獻(xiàn)65-69
• 致謝69-70
• 攻讀碩士學(xué)位期間發(fā)表的論文70

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 金忠;一種多目標(biāo)跟蹤算法[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);1985年S1期

2 龔萍;張輝;毛征;張慶龍;孔文超;;融合局部熵二維熵的空中目標(biāo)跟蹤算法研究[J];國(guó)外電子測(cè)量技術(shù);2014年01期

3 馬奔,史忠科,皮燕妮;成像目標(biāo)跟蹤算法分析[J];西安電子科技大學(xué)學(xué)報(bào);2005年03期

4 孫中森;孫俊喜;宋建中;喬雙;;一種抗遮擋的運(yùn)動(dòng)目標(biāo)跟蹤算法[J];光學(xué)精密工程;2007年02期

5 陳愛(ài)華;孟勃;朱明;王艷華;;多模式融合的目標(biāo)跟蹤算法[J];光學(xué)精密工程;2009年01期

6 牛長(zhǎng)鋒;劉玉樹(shù);;融合多特征的粒子濾波目標(biāo)跟蹤算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

7 蔡榮太;吳元昊;王明佳;吳慶祥;;視頻目標(biāo)跟蹤算法綜述[J];電視技術(shù);2010年12期

8 佟國(guó)峰;蔣昭炎;谷久宏;龐曉磊;;基于隨機(jī)蕨叢的長(zhǎng)期目標(biāo)跟蹤算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

9 曹曉麗;李明;邢玉娟;譚萍;;幾種自動(dòng)目標(biāo)跟蹤算法的比較研究[J];硅谷;2013年02期

10 王魯平,李飚,胡敏露;一種基于多傳感器數(shù)據(jù)融合的目標(biāo)跟蹤算法[J];紅外與激光工程;2004年02期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 徐炳吉;;一種多站聯(lián)合目標(biāo)跟蹤算法[A];數(shù)學(xué)及其應(yīng)用文集——中南模糊數(shù)學(xué)和系統(tǒng)分會(huì)第三屆年會(huì)論文集（上卷）[C];1995年

2 杜方芳;劉士榮;邱雪娜;;一種改進(jìn)的粒子濾波目標(biāo)跟蹤算法[A];PCC2009—第20屆中國(guó)過(guò)程控制會(huì)議論文集[C];2009年

3 付曉薇;方康玲;李曦;;一種基于特征的多目標(biāo)跟蹤算法[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

4 許偉村;趙清杰;;一種基于粒子濾波的多目標(biāo)跟蹤算法[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

5 李軍;張華;單梁;;一種基于Mean shift和粒子濾波的綜合目標(biāo)跟蹤算法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

6 肖敬若;胡伏原;鄭江濱;張艷寧;;一種有效的多目標(biāo)跟蹤算法[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

7 鄭黎義;陳興無(wú);王磊;李正東;;紅外/雷達(dá)雙傳感器融合目標(biāo)跟蹤算法[A];中國(guó)工程物理研究院科技年報(bào)（2005）[C];2005年

8 張震宇;王立松;;基于粒子濾波的傳感器目標(biāo)跟蹤算法[A];2008年中國(guó)高校通信類(lèi)院系學(xué)術(shù)研討會(huì)論文集（上冊(cè)）[C];2009年

9 王亞楠;陳杰;甘明剛;;基于差分進(jìn)化的改進(jìn)粒子濾波目標(biāo)跟蹤算法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專(zhuān)業(yè)委員會(huì)C卷[C];2011年

10 張濤;費(fèi)樹(shù)岷;胡剛;;基于多特征信息自適應(yīng)融合的視頻目標(biāo)跟蹤算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 胡子軍;基于隨機(jī)有限集的雷達(dá)多目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2015年

2 王保憲;復(fù)雜背景下的視頻目標(biāo)跟蹤算法研究[D];北京理工大學(xué);2016年

3 張雷;復(fù)雜場(chǎng)景下實(shí)時(shí)目標(biāo)跟蹤算法及實(shí)現(xiàn)技術(shù)研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2016年

4 王晶晶;復(fù)雜擁擠環(huán)境下協(xié)同視頻監(jiān)控中目標(biāo)跟蹤算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

5 盧建國(guó);基于粒子濾波的視頻目標(biāo)跟蹤算法研究[D];北京郵電大學(xué);2011年

6 馮巍;分布式多視角目標(biāo)跟蹤算法研究[D];復(fù)旦大學(xué);2011年

7 王書(shū)朋;視頻目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2009年

8 劉晴;基于區(qū)域特征的目標(biāo)跟蹤算法研究[D];北京理工大學(xué);2014年

9 邱雪娜;基于視覺(jué)的運(yùn)動(dòng)目標(biāo)跟蹤算法及其在移動(dòng)機(jī)器人中的應(yīng)用[D];華東理工大學(xué);2011年

10 趙運(yùn)基;基于視覺(jué)的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張健;形變目標(biāo)跟蹤算法的研究與實(shí)現(xiàn)[D];遼寧大學(xué);2015年

2 張巧麗;基于LabVIEW的運(yùn)動(dòng)目標(biāo)跟蹤算法研究與實(shí)現(xiàn)[D];陜西科技大學(xué);2015年

3 鐘寶康;基于壓縮感知的預(yù)測(cè)目標(biāo)跟蹤算法研究[D];江西理工大學(xué);2015年

4 薛桐;基于CamShift的運(yùn)動(dòng)目標(biāo)跟蹤算法研究[D];沈陽(yáng)理工大學(xué);2015年

5 王增宇;基于稀疏表達(dá)的目標(biāo)跟蹤算法研究[D];沈陽(yáng)理工大學(xué);2015年

6 王靜;結(jié)構(gòu)化的表觀模型及兩階段目標(biāo)跟蹤算法研究[D];沈陽(yáng)理工大學(xué);2015年

7 葛凱蓉;自然場(chǎng)景下目標(biāo)跟蹤算法的研究[D];山東大學(xué);2015年

8 向偉;基于檢測(cè)的目標(biāo)跟蹤算法研究[D];上海交通大學(xué);2015年

9 單順勇;結(jié)合多示例學(xué)習(xí)和模板匹配的目標(biāo)跟蹤算法研究[D];江西理工大學(xué);2015年

10 張碧武;基于單目視覺(jué)的目標(biāo)跟蹤算法的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

，

本文編號(hào)：990469