复杂运动状态的视频目标跟踪自适应切换算法

《复杂运动状态的视频目标跟踪自适应切换算法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、复杂运动状态的视频目标跟踪自适应切换算法第3l卷第11期2011年11月计算机应用JournalofComputerApplicationsV01

2、31No.11NOV.2011文章编号:1001—9081(2011)11—3042—03doi:10.3724/SP.J.1087.2011.03042复杂运动状态的视频目标跟踪自适应切换算法戴万长.(浙江东方职业技术学院工程技术系,浙江温州325011)(sunrise06@126.com)摘要:针对实际环境中运动目标的状态转移模型以及随机噪声分布存在的不确定性,提出了一种适用于复杂运动状态的视频目标跟踪算法.该算法同时结合了

3、Kalman滤波(KF)实时性好的优点,以及粒子滤波(PF)能同时处理非线性,非高斯滤波问题的优点,通过对Kalman滤波性能进行分析,定义了评价滤波性能优劣的参数并作为判断条件,实现了不同运动状态下Kalman滤波和粒子滤波自适应切换.通过实验表明该方法在目标运动状态发生显着变化时仍能够实现稳定跟踪,同时具有较高的跟踪精度.关键词:Kalman滤波;粒子滤波;参数;自适应切换中图分类号:TP391.413文献标志码:AAdaptiveswitchingalgorithmforcomplicatedmotionvideotargettrackingDAIWan—chang(D

4、epartmentofEngineeringTechnology,ZhejiangDongfangVocationalandTechnicalCollege,WenzhouZhejiang325011,China)Abstract:Concerningtheuncertaintyofvideotargetstatetransitionmodelandrandomnoisedistributioninactualenvironment,analgorithmusedforvideotargettrackingincomplicatedmovementwasproposed.Th

5、ealgorithmadoptedtheadvantageofKalmanFilter(KF)whichwasofexcellentreal—timequality,andtheadvantageofParticalFilter(PF)whichcoulddealwithnon?linearandnon—Gaussianfilteringatthesametime.ByanalyzingtheperformanceofKFandmakingitsperformanceparametersasadeterminsticterm,KFandPFcouldbeswitchedada

6、ptively.Bymeansoftest,itissuggestedthatthemethodproposedinthispapercancarryoutsteadytrackingwhenthetargetmotionstatechangessignificantly,withhightrackingaccuracy.Keywords:KalmanFilter(KF);ParticlesFilter(PF);parameter;adaptivehandoff0引言1Kalman滤波基本算法与应用运动目标跟踪是计算机视觉应用领城的一个研究热点,在军事制导,视觉导航,智能监控

7、,视频编码等许多领域都有着广泛的应用前景.文献[1—2]用卡尔曼滤波(KalmanFilter,KF)对运动目标进行跟踪,但是在实际运动中,目标转移模型往往存在着误差或系统是非线性,噪声不满足高斯性等情况,这都有可能产生估计误差;文献[3—4]分别采用扩展卡尔曼滤波(ExtendedKalmanFilter,EKF)和无味卡尔曼滤波(UnscentedKalmanFilter,UKF)对非线性系统进行建模,但两者都不能同时处理非线性非高斯模型;文献[5—6]采用均值偏移(Mean.Shift)算法跟踪快速运动目标,但是对于复杂运动状态目标跟踪效果就不理想.近年来,粒子滤波(P

8、articlesFiher,PF)方法由于其简洁性,处理复杂情况的鲁棒性及易操作性在目标跟踪方面得到广泛应用,尤其是对非线性非高斯的估计具有很好的效果.但是粒子滤波对目标进行假设需要采样大量的粒子,算法复杂度较高,占用内存大.本文通过对Kalman滤波基本原理进行分析,得到能够反映Kalman滤波性能优劣的参数:卡尔曼滤波不匹配度(DegreeofMismatchwithKalmanFilter,DMK)和卡尔曼滤波误差(ErrorofEstimatewithKalmanFilter,EEK),通过对参