【摘要】：隨著計(jì)算機(jī)視覺(jué)理論的發(fā)展,圖像多目標(biāo)跟蹤作為一個(gè)重要分支在軍事偵查、城市安防、機(jī)器人技術(shù)等領(lǐng)域具有廣泛的應(yīng)用價(jià)值,是目標(biāo)行為理解和場(chǎng)景分析等高級(jí)圖像處理技術(shù)的前提。然而,圖像多目標(biāo)跟蹤的研究缺乏統(tǒng)一有效的實(shí)時(shí)跟蹤算法框架,無(wú)法將圖像多目標(biāo)跟蹤諸多方面的研究進(jìn)行統(tǒng)一,不利于算法性能的提高以及各功能模塊的參數(shù)化研究�；陔S機(jī)有限集的貝葉斯濾波框架在雷達(dá)目標(biāo)跟蹤領(lǐng)域具有優(yōu)秀的性能,因此,本文研究基于隨機(jī)有限集的圖像多目標(biāo)跟蹤和軌跡融合方法,旨在提出一個(gè)通用的實(shí)時(shí)圖像多目標(biāo)跟蹤研究框架,實(shí)現(xiàn)在線的圖像多目標(biāo)跟蹤,具有重要的理論意義和工程應(yīng)用價(jià)值。本文圍繞著基于隨機(jī)有限集的在線多目標(biāo)跟蹤算法框架,開展了如下的研究工作:基于帶標(biāo)簽隨機(jī)有限集的δ-GLMB和LMB濾波算法通過(guò)產(chǎn)生大量的關(guān)聯(lián)假設(shè),能夠在線輸出每個(gè)目標(biāo)的軌跡,本文以δ-GLMB和LMB濾波算法為基礎(chǔ),提出了帶標(biāo)簽的概率假設(shè)密度濾波(簡(jiǎn)稱為L(zhǎng)PHD)方法,解決了在目標(biāo)個(gè)數(shù)較多時(shí)多目標(biāo)在線軌跡跟蹤的實(shí)時(shí)性問(wèn)題。通過(guò)將每個(gè)目標(biāo)后驗(yàn)狀態(tài)近似為單一高斯分布,大量減少目標(biāo)后驗(yàn)狀態(tài)分布中的高斯項(xiàng)數(shù)量,提高濾波過(guò)程中關(guān)聯(lián)假設(shè)更新的計(jì)算實(shí)時(shí)性,能夠保證目標(biāo)軌跡跟蹤精度并大幅減少濾波時(shí)間。通過(guò)仿真實(shí)驗(yàn)對(duì)比三種濾波算法,驗(yàn)證了 LPHD濾波算法對(duì)點(diǎn)目標(biāo)跟蹤具有優(yōu)異的跟蹤精度和計(jì)算實(shí)時(shí)性。針對(duì)圖像多目標(biāo)跟蹤缺乏統(tǒng)一算法框架的問(wèn)題,對(duì)適用于點(diǎn)目標(biāo)的LPHD濾波算法進(jìn)行拓展,提出LPHD圖像多目標(biāo)跟蹤算法。以算法框架的通用性為出發(fā)點(diǎn),采用“矩形框+直方圖”作為目標(biāo)狀態(tài)描述,分別研究了目標(biāo)的自適應(yīng)出生過(guò)程、預(yù)測(cè)過(guò)程和更新過(guò)程中主要模型和參數(shù)的建立。通過(guò)與已有的優(yōu)秀跟蹤算法進(jìn)行對(duì)比實(shí)驗(yàn),驗(yàn)證了LPHD圖像跟蹤算法具備優(yōu)異的跟蹤精度和計(jì)算實(shí)時(shí)性,并結(jié)合跟蹤實(shí)驗(yàn)結(jié)果,分析了濾波參數(shù)對(duì)跟蹤性能的影響。為了減輕離線訓(xùn)練的通用檢測(cè)器對(duì)跟蹤算法精度的影響,將互相關(guān)濾波器作為一種在線檢測(cè)器引入到LPHD圖像跟蹤算法中,提出基于互相關(guān)濾波的LPHD在線檢測(cè)跟蹤算法。對(duì)采用離線檢測(cè)器的LPHD濾波得到的高權(quán)值目標(biāo),初始化與其關(guān)聯(lián)的互相關(guān)濾波器,在跟蹤過(guò)程中采用互相關(guān)濾波器生成偽觀測(cè)量以更新目標(biāo)的狀態(tài)和特征,并采用基于濾波響應(yīng)的失效因子判斷是否需要移除已經(jīng)失效的互相關(guān)濾波器。與僅采用離線檢測(cè)器的LPHD圖像多目標(biāo)跟蹤算法進(jìn)行對(duì)比實(shí)驗(yàn),驗(yàn)證了在離線檢測(cè)器效果欠佳時(shí)基于互相關(guān)濾波的LPHD在線檢測(cè)跟蹤能夠提高軌跡保持能力。針對(duì)多攝像機(jī)目標(biāo)的軌跡融合問(wèn)題,結(jié)合標(biāo)定信息將攝像機(jī)作為位置傳感器,獲得多個(gè)攝像機(jī)觀測(cè)到的目標(biāo)位置信息,研究了多傳感器LPHD信息融合方法。沿用經(jīng)典方式分別采用序貫濾波、并行濾波和隨機(jī)濾波設(shè)計(jì)了適合用于集中式信息融合的多傳感器LPHD濾波算法。同時(shí),為了適應(yīng)分布式的信息融合,研究了基于信息一致性的多傳感器LPHD濾波算法。通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了這些多傳感器LPHD濾波算法的有效性,并結(jié)合多攝像機(jī)行人軌跡跟蹤實(shí)驗(yàn),說(shuō)明了多傳感器LPHD濾波算法能夠解決多攝像機(jī)目標(biāo)三維軌跡的集中式融合和分布式融合。
【圖文】：

０．６逡逑０．５逡逑０．４逡逑０．３逡逑０．２逡逑■逡逑°０邐１邐２３４５６７邋Ｂ９邋１０邋ｎ逡逑圖２．２兩個(gè)目標(biāo)Ｗ１）邋＝邋０．１，切⑶＝０．１時(shí)的勢(shì)分布逡逑Ｆｉｇ＿２．２邋Ｃａｒｄｉｎａｌｉｔｙ邋ｄｉｓｔｒｉｂｕｔｉｏｎ邋ｉｆ邋ｉｆ／１）邋＝邋０．１，ｔｗ（２）邋＝邋０．１逡逑由圖２．３中心ＧＬＭＢ的多目標(biāo)狀態(tài)描述可知，在（５－ＧＬＭＢ濾波過(guò)程中，每個(gè)目標(biāo)的逡逑存在概率與勢(shì)分布ｐ（ｎ）是不可分割的，因此，必須依賴于ｐ（ｎ）才能采用式（２－６）得出每個(gè)逡逑目標(biāo)的存在概率。以目標(biāo)１為例，在沒(méi)有目標(biāo)的場(chǎng)景假設(shè)中（ｎ邋＝邋０）目標(biāo)１的存在概逡逑率為０，在只有一個(gè)目標(biāo)的場(chǎng)景假設(shè)中（ｎ＝ｌ）目標(biāo)１的存在概率為０．１８＊０．５邋＝邋０．０９，逡逑在兩個(gè)目標(biāo)的場(chǎng)景假設(shè)中（ｎ邋＝邋２）目標(biāo)１的存在概率為０．０１＊邋１邋＝邋０．０１，在超過(guò)兩個(gè)目逡逑標(biāo)的場(chǎng)景假設(shè)中（ｎ邋２邋３）目標(biāo)１的存在概率均為０。因此，目標(biāo)１總的存在概率為所有逡逑場(chǎng)景假設(shè)中的存在概率之和，ＳＰ０邋＋０．０９邋＋０．０１＋邋０邋＋？■？邋＋邋０邋＝邋０．１。可以看出，夂ＧＬＭＢ逡逑在描述多目標(biāo)狀態(tài)時(shí)，必須依賴于勢(shì)分布ｐ（ｎ），并且要遍歷所有ｎ的取值范圍（通常選逡逑用0，ｉＶｍａ作為取值區(qū)間），這種表達(dá)形式雖然很完備卻非常繁瑣。逡逑

２．３中心ＧＬＭＢ的多目標(biāo)狀態(tài)描述可知，在（５－ＧＬＭＢ濾波過(guò)程中，每個(gè)與勢(shì)分布ｐ（ｎ）是不可分割的，因此，必須依賴于ｐ（ｎ）才能采用式（２－６）得在概率。以目標(biāo)１為例，在沒(méi)有目標(biāo)的場(chǎng)景假設(shè)中（ｎ邋＝邋０）目標(biāo)１的在只有一個(gè)目標(biāo)的場(chǎng)景假設(shè)中（ｎ＝ｌ）目標(biāo)１的存在概率為０．１８＊０．５邋＝邋標(biāo)的場(chǎng)景假設(shè)中（ｎ邋＝邋２）目標(biāo)１的存在概率為０．０１＊邋１邋＝邋０．０１，在超過(guò)假設(shè)中（ｎ邋２邋３）目標(biāo)１的存在概率均為０。因此，目標(biāo)１總的存在概率中的存在概率之和，ＳＰ０邋＋０．０９邋＋０．０１＋邋０邋＋？■？邋＋邋０邋＝邋０．１�？梢钥闯�，夂Ｇ目標(biāo)狀態(tài)時(shí)，必須依賴于勢(shì)分布ｐ（ｎ），，并且要遍歷所有ｎ的取值范圍（ａＪ作為取值區(qū)間），這種表達(dá)形式雖然很完備卻非常繁瑣。逡逑，邐，邐有，目標(biāo)！邐，邐，邐，邐｜邐只有一個(gè)目標(biāo)且為目標(biāo)１的概率＝０．５逡逑０－０８１邐Ｉ邐Ｉ邐Ｉ邐＾邐Ｉ邐Ｉ邐Ｉ邐Ｉ？：邐：：邐：？邐：邐：：邐：？邐；邐？：邐－邐０．０６邋邐；邐；邐－：邐：邐邐：邐：邐；邋．．．．邋．邋．邋－邋．；邋．邋．．邋－邋００４邋■＇邐：＾：…邋邐：．０．０２邋－……？．邋．邋．邋．．晷ｙ邋．邋．邋％．．…－：邐邐邋邐邐：邐ｉ邐－６０邐－４０邐－２０邐０邐２０邐４０邐＾邐６０邐８０邐１００逡逑
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 耿峰;祝小平;;神經(jīng)網(wǎng)絡(luò)輔助多目標(biāo)跟蹤數(shù)據(jù)融合[J];火力與指揮控制;2008年09期

2 李斌;姚康澤;王巖;慈林林;萬(wàn)建偉;;基于灰關(guān)聯(lián)的分類信息輔助多目標(biāo)跟蹤[J];信號(hào)處理;2009年03期

3 王汝夯;黃建國(guó);張群飛;;基于網(wǎng)絡(luò)層次分析的水下多目標(biāo)跟蹤排序方法[J];西北工業(yè)大學(xué)學(xué)報(bào);2009年05期

4 陳炳和;雷達(dá)多目標(biāo)跟蹤的數(shù)學(xué)表示[J];電子學(xué)報(bào);1988年02期

5 余少波,胡守仁,劉孟仁;雷達(dá)多目標(biāo)跟蹤的神經(jīng)網(wǎng)絡(luò)方法[J];電子學(xué)報(bào);1992年04期

6 王順奎;多目標(biāo)跟蹤用的多傳感器信息融合技術(shù)[J];紅外與激光技術(shù);1994年04期

7 E.W.Kamen ,劉勝厚;基于對(duì)稱測(cè)量方程的多目標(biāo)跟蹤[J];艦船指揮控制系統(tǒng);1996年03期

8 劉維亭,張冰,朱志宇;多目標(biāo)跟蹤中的目標(biāo)位置及速度數(shù)據(jù)融合[J];船舶工程;2003年01期

9 路紅;費(fèi)樹岷;鄭建勇;張濤;;基于行為和部分觀測(cè)的多目標(biāo)跟蹤(英文)[J];Journal of Southeast University(English Edition);2008年04期

10 蔣戀華;甘朝暉;蔣e

本文編號(hào)：2547152