粒子滤波跟踪方法研究

论文针对目前电视跟踪领域的难题:提高复杂背景情况下跟踪姿态变化的目标的稳定性,研究基于粒子滤波的跟踪方法。 粒子滤波通过非参数化的蒙特卡罗模拟方法来实现递推贝叶斯滤波,适用于任何能用状态空间模型表示的非线性系统,以及传统卡尔曼滤波无法表示的非线性系统,精度可以逼进最优估计。粒子滤波方法的使用非常灵活,容易实现,具有并行结构,实用性强。 本文的主要研究内容包括粒子滤波理论及其实现方法,利用粒子滤波理论来解决目标跟踪问题,构建基于粒子滤波的跟踪框架。分别以灰度特征、轮廓特征以及小波特征作为目标的表征方式,研究基于粒子滤波的相关跟踪、轮廓跟踪以及小波特征跟踪方法。具体研究内容包括:目标的灰度特征、轮廓特征以及小波特征的提取;粒子滤波跟踪框架的描述;针对不同的特征,粒子滤波跟踪框架中各个模块相应的实现方法;粒子滤波跟踪的精度分析等。 论文的主要工作包括: (1)研究粒子滤波理论在视频跟踪领域中的应用,讨论粒子滤波方法中各个步骤在视频跟踪过程中所表示的具体意义,构建基于粒子滤波的跟踪框架,探讨粒子滤波方法应用于视频跟踪的优越性。 (2)基于目前跟踪系统中常用的相关跟踪方法,提出了基于粒子滤波的相关跟踪方法,首先以平移运动为例,描述了跟踪框架中各个模块的实现方法,说明了粒子滤波跟踪的强鲁棒性;然后提出了仿射参数空间的跟踪方法,证明了粒子滤波是一种在仿射参数空间进行运动参数搜索的实用方法。 (3)针对目标的轮廓特征,讨论了目标的活动轮廓模型,引入形状空间对模型可变形范围进行限定,实现了基于粒子滤波的轮廓跟踪方法。 (4)提出一种基于Gabor 小波特征模板和粒子滤波方法的鲁棒跟踪方法,在运动目标存在较大的尺度、旋转、仿射变形、亮度、对比度变化,以及目标存在局部遮挡等情况下能够实现稳定的目标跟踪。 (5)通过实验定量分析了粒子滤波跟踪方法的精度,考虑粒子传播