资源描述:
《运动背景下基于粒子滤波的目标跟踪》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、;!!""#!$%"!#!"#$%&’()*+,*’’(,*+-*./$$0,1-&,"*2计算机工程与应用运动背景下基于粒子滤波的目标跟踪""A侯一民!郭雷!伦向敏"HABCDE.;,.*!FDCG/.!GDIJ.$*K;,.*"L西北工业大学自控学院!西安:HMM:AAL西安光学精密机械研究所!西安:HMM9!HLN/O$%4,/*4’>PQ4’,$4.5R’*4%’0!I’%4=S/<4/%*3’0T4/5=*.5$0D*.(/%<.4T!J..$*:HMM:1!+,-./1LJ..$*U*<4.4Q4/’>CO4.5<$*+3%/5.<.’*#/5=$*.5<’>RPV!J
2、..$*:"MM:A!+,-./WX,$.0*T,=:!1HYH96L5’,!"#$%&’%(!)#"*+%!*#,-%.(/&’%(01.23%45+!%53+2&".6+7#89+436$2.4:%(/%(%;(.’%4&4+(+60’#()*$+,-./0.++,0./1.%2))3041$0#.&!5667!89(<#*=>&=?0@8632.43*3$%4.50/-.04/%(3-#.<$*/>>.5./*44’’0>’%*’*;%.K.+.4T’Z[/54<4%$5&.*K0=/O$O/%O%/*4<$]$T/<.$*;Z$+3-,/4=’+>’%’Z[/54
3、<4%$5&.*K.*+T*$,.5<5/*//%^/*5/=.<4’K%$,<’4=$44’’Z4$.*4=/’O4.,.‘/+O’<4/%.’%.O%’Z$Z.0.4./<3=/%’ZQ<4,/$*4/5=*._Q/.<5=’
4、*4’$<5/%4$.*4=/’Z^[/54<.O’<.4.’*<3V.*K0/’Z[/54$*+,Q04.’Z[/54<4%$5&.*K$%/O/%>’%,/+.*4=//aO/%.,/*4<3=/%/,/$*X<=.>4$0K’%.4=,3U4.>.5./*4LA+;BC276*5Z[/544%$5&.*K/6$T/<.$*7<4.,$4.’*/3$%4.50/-.04/(89#/5’0’%,.<4’K%$,摘要!粒子滤波方法是一种针对非刚性目标运动跟踪的有效工具
5、!运用基于贝叶斯估计的粒子滤波算法"对复杂的运动背景下目标移动进行跟踪!论述了贝叶斯估计理论"推导粒子滤波过程"并将状态粒子决定的区域所对应的色彩直方图用作测量"与目标参考直方图相比较"得出最佳的后验估计!运用窗口粒子平均方法确定目标的坐标"实现跟踪!算法采用单目标以及多目标序列图象进行跟踪实验"并与均值移动#,/$*X<=.>4$跟踪算法结果进行比较"证明该跟踪算法更为有效%关键词!目标跟踪&贝叶斯估计&粒子滤波&色彩直方图文章编号!"MMAX!66"(AMM:#M!:MM9AXM6文献标识码!P中图分类号!36b""引言结果$同样的!均值移动(,/$*;<=.>4%算法也可以
6、实现在混乱的序列图象中目标的跟踪一般属于非刚性运动的估计问题!动态场景中进行目标的跟踪$但在多目标的跟踪中!如果出现它的主要特点是运动无规律!难于描述$对于静态背景的序列两个或者两个以上目标区域部分重叠的情况!均值移动算法很图象!可以使用一些简单的方法!如相邻帧求取差分来进行运容易受到影响!导致其中一个或多个目标跟踪失败$而运用本动目标的跟踪&"’$但是当序列图象的背景为动态时!简单的差分文的基于粒子滤波的方法!通过权值的更新和粒子重采样!可以避免这一影响&!’$等方法是不能得到目标的$这时候使用一些基于统计学的目标跟踪算法较为有效$这些统计方法基本上都是以马尔可夫随机场"#$%&
7、’(1贝叶斯估计)$*+’,-./0+&1’$方法主可以假定离散系统的状态方程以及测量方程为如下的%为基础!对图象建模并进行优化估计要有贝叶斯滤波&动态蒙特卡罗方法&卡尔曼滤波"2-%以及顺形式*序蒙特卡罗方法等等$其中的顺序蒙特卡罗方法又称为’粒子34564(34()!74#!(?#滤波(3$%4.50/-.04/%#)!简称3-&6’$均值移动算法也在跟踪研究859(3!:#4444中占有比较重要的地位&7!8’$卡尔曼滤波等方法是通过参数化的式中!为维空间;*中