基于粒子滤波的目标跟踪算法的研究.pdf

Thesis Submitted to Tianjin University of Technology for
the Master’s Degree
Object Tracking Algorithm Research
based on Particle Filter
By
Weifan Zhang
Supervisor
Huaibin Wang
Jinghui Wang
March, 2015
独创性声明
本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取
得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他
人已经发表或撰写过的研究成果,也不包含为获得天津理工大学或
其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研
究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。
学位论文作者签名: 签字日期: 年月日
学位论文版权使用授权书
本学位论文作者完全了解天津理工大学有关保留、使用学位论文
的规定。特授权天津理工大学可以将学位论文的全部或部分内容编入
有关数据库进行检索,并采用影印、缩印或扫描等复制手段保存、汇编,
以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复本和电子
文件。
(保密的学位论文在解密后适用本授权说明)
学位论文作者签名: 导师签名:
签字日期: 年月日签字日期: 年月日
摘要
目标跟踪是视觉领域一个重要的研究热点,它融合了计算机视觉技术、模式识别、
人工智能等学科,具有很好的研究前景和应用前景。目前目标跟踪已经被广泛应用于军
事、重要场所视频监控、交通流量控制、人机交互和医疗诊断等领域。粒子滤波和稀疏
表达在计算机视觉领域都有很广泛的应用并且取得了较好的研究效果,在目标追踪领域
也有很多优秀的研究成果。基于已有成果,本文基于粒子滤波的目标跟踪算法提出了一
些改进算法,具体包括以下两个方面:
首先,提出了一种改进的多特征自适应融合的粒子滤波跟踪算法。常用的追踪算法
都是用单一的特征来描述追踪目标,但这样容易在复杂背景、灯光变化等情况下无法准
确的描述跟踪目标,从而使跟踪结果出现不稳定性。本文提出多特征相融合,结合互补
的三种特征:颜色特征、纹理特征、边缘特征来准确描述目标,先通过 Bhattacharyya
系数区分直方图的相似性选出相似度较高的粒子,然后通过 log 函数进行二次选择,然
后对区分度高的粒子和区分度低的粒子自适应动态的改变粒子权重,在不同的场景下准
确的描述跟踪目标,从而使得跟踪算法更为鲁棒。
同时,提出了一种稀疏混合模型的粒子滤波跟踪算法。常用基于稀疏的粒子滤波跟
踪算法都是将目标看成一个整体,设置全局模板,但是在该情况下如果目标被长时间遮
挡时,追踪将会出现漂移或是完全丢失追踪目标的现象。因此本文提出全局模板与局部
模型相结合的混合模型。训练过完备字典,然后稀疏表示目标的局部模板,通过对其分
析判断出是否遮挡,然后将对遮挡部分处理,从而使跟踪效果更为准确。
本文将这两种算法与其它已有的跟踪算法进行对比实验,证明了本文提出的跟踪算
法的有效性和鲁棒性。
关键词: 目标追踪粒子滤波稀疏表达混合模型多特征自适应融合
Abstract
The object tracking, puter technology, pattern recognition,
artificial intelligence and other technical disciplines, is an important research focus area in the
computer vision, and has board research and application prospects. Currently, target tracking
has been widely used in many applications, such as military, the video surveillance, traffic
control, puter interaction and medical diagnosis. In recent years, the particle filter
and sparse expression have been widely used in the field puter vision, and have made
good research results. Furthermore, many excellent research results ha