基于随机有限集视频目标跟踪算法的研究

《基于随机有限集视频目标跟踪算法的研究》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、ADISSERTATIONSUBMITTEDINPARTIALSATISFACTIONOFTHEREQUIREMENTSFORTHEDEGREEOFDOCTOROFPHILOSOPHYRESEARCHONTRACKINGALGORITHMFORVISUALTARGETSBASEDONRANDOMFINITESETPh.D.Candidate:WuJingjingSupervisor:Prof.HuShiqiangSpecialty:ControlTheoryandControlEngineeringSchoolofAeronauticsandAstronautic

2、sShanghaiJiaoTongUniversityShanghai,P.R.ChinaJune,2012万方数据万方数据万方数据本论文得到下列项目的联合资助：1.国家自然科学基金项目：多传感器协同跟踪与控制（项目编号：60674107）2.国家自然科学基金项目：复杂场景多目标异常行为分析（项目编号：61074106）3.航空基金项目：基于随机集的弱小目标检测（项目编号：2009ZC57003）万方数据摘要基于随机有限集的视频目标跟踪算法研究摘要视频目标跟踪是指对图像序列中感兴趣的目标进行有效跟踪并估计目标状态参数，如位置、速度、尺寸等，以完成更高一级的任务，如

3、行为识别与分析，姿态估计等。视频目标跟踪是计算机视觉领域的一个热点研究问题，在视觉监控、军事制导、人机交互、机器人视觉导航、智能交通等方面有着广泛的应用。由于跟踪场景的复杂性，目标区域的动态变化，以及目标数变化等因素，视频跟踪算法的研究存在很多困难。近年来，不同于传统的基于数据关联技术的多目标跟踪算法，基于随机有限集的多目标贝叶斯滤波及其实现算法给多目标跟踪问题的研究带来了新的思路。基于随机有限集的多目标贝叶斯滤波能够避开数据关联技术直接对多目标跟踪。根据有限集统计理论，多目标状态的随机有限集模型对目标运动，目标新生和目标死亡均进行了建模，因此基于随机有限集的多目

4、标贝叶斯滤波适合于处理目标数变化的跟踪问题。但由于常规的基于随机有限集的目标跟踪算法只针对点目标跟踪问题，而且视频跟踪场景和带有尺度特征的视频目标本身具有复杂性，基于随机有限集的跟踪算法在视频目标跟踪中的应用研究面临着较多挑战。为了提高基于随机有限集的视频跟踪算法的鲁棒性，为科学研究和工程应用提供支持，针对基于随机有限集的跟踪算法存在的问题，本文提出了改进的基于随机有限集的视频目标跟踪算法。改进工作主要从补充跟踪算法的航迹识别功能，提高观测似然函数的区分性和可靠性，以及提高算法状态抽取的可靠性和准确性三个方面着手对基于随机有限集的视频目标跟踪算法进行研究。通过运用

5、状态估计-航迹关联、多特征信息融合、模型自适应更新以及核密度估计等多种技术提出了带有航迹识别功能的高斯混合概率假设密度（ProbabilityHypothesisDensity，PHD）滤波视频跟踪算法，多特征自适应融合的粒子PHD视频跟踪算法，基于颜色特征和高斯混合模型聚类的粒子PHD视频跟踪算法，以及基于粒子PHD及核密度近似的视频跟踪算法，实现了对复杂场景下目标数变化的视频目标的鲁棒跟踪。本文具体的研究工作主要有：1.在基于高斯混合PHD算法基础上，设计了一种带有航迹识别功能的多目标视频跟踪算法。该算法是基于视频目标位置检测的跟踪算法。为提高算法鲁棒性，我们

6、通过改进基于背景减法的运动目标检测方法以产生较为准确的视频目标位置观测，即利用当前图像帧的非目标像素信息对目标背景模型进行更新以形成目标的自适应背景模型，从而提高复杂环境下目标位置量测的可第I页万方数据上海交通大学博士学位论文靠性。针对基于PHD滤波的视频跟踪算法只输出目标状态估计随机集（不带有目标身份）却无法识别目标的问题，提出了一种基于auction算法的航迹识别方法对PHD滤波的状态估计进行状态估计-航迹关联，在PHD滤波框架内补充了目标航迹识别的功能，同时进一步去除杂波，提高了基于目标检测的PHD视频跟踪算法的鲁棒性。2.针对单一视觉特征在动态变化场景下描

7、述目标不够充分，观测似然区分目标的能力下降，跟踪目标不够稳定的缺点，提出了一种多特征自适应融合的粒子PHD视频目标跟踪算法。当跟踪场景较复杂时，在基于单一特征的视频跟踪算法中，由于观测似然模型不能有效“辨别”目标，有可能造成跟踪失效。我们采用颜色特征（全局特征）和尺度不变特征（局部特征）描述目标，构建两种特征的观测似然，并采用基于空间不确定性的融合方法对两种特征的观测似然自适应加权融合，根据特征可靠性在线调整融合观测似然函数各分量的权重，实现了信息间的优势互补。在粒子PHD算法中，利用多特征自适应融合策略构建似然模型，提高了粒子PHD跟踪算法在复杂场景下的鲁棒性。

8、该算法不仅