彩色图象序列中基于贝叶斯滤波的目标跟踪

《彩色图象序列中基于贝叶斯滤波的目标跟踪》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、大连理工大学硕士学位论文摘要彩色目标跟踪是目前机器视觉研究领域的热点问题，广泛应用于视觉监控，虮器人视觉技术以及数字医疗等诸多领域。本文以递归贝叶斯滤波为理论基础，讨论了彩色图象序列中的动态目标跟踪问题。围绕贝叶斯视觉跟踪过程中的前景观测和滤波方法两大关键技术展开理论和应用研究，结合不同的前景观测模型提出实时、鲁棒的跟踪方法，旨在实现全自主移动机器人在不同环境下的跟踪任务。本文首先以色度学基础和颜色模型的表示方法为切入点，详细讨论了前景观剥中象素分类和目标区域分割两个基本步骤。从实时性和实用性的角度出发，对不同环境、不同颜色空间下基于恒定阈值法的象素分类结果进行比较。同时针对简单和

2、复杂环境分别提出不同的区域分割方法，并完成实验验证。以马尔可夫假设和贝叶斯公式为基础，构建出递归贝叶斯跟踪的一般表达形式，并对其三种较为常用的实现方法进行详细的介绍。为满足机器人足球比赛对目标跟踪实时性的要求，本文将卡尔曼滤波与搜索窗更新方法相结合，实现了基于SmartROB-2中型自主移动机器人平台的彩色目标球跟踪。由于采用图象局部分割代替了全局搜索，大大节省算法的运算时间，并提高了跟踪准确性。针对非高斯观测环境下的彩色目标跟踪问题，本文提出一种混合粒子滤波跟踪算法，利用粒子滤波和卡尔曼滤波分别对目标状态的位置以及形状分量进行处理，并利用二者之间的数据融合来实现各自的状态更新。基

3、于Mahalanobis准则和最小Euclidian距离思想，提出获得粒子最小不确定性观测的方法，实现了前景观测与粒子预估观测之间的最优匹配。该算法能够有效解决粒子滤波在处理高维跟踪时计算负担过重问题，同时克服了卡尔曼滤波存在高斯约束的不足，具有一定创新性，并在应用中取得良好效果。为了使跟踪方法对目标的旋转、形变以及颜色非单一等各种复杂情况具有较强鲁棒性，本文结合粒子滤波技术提出一种基于加权颜色直方图的目标跟踪方法。将目标的加权颜色直方图作为目标的颜色模型，并利用Bhattacharyya距离描述粒子与目标颜色模型的相似性，为粒子权值更新提供有力依据。在此基础上，本文利用粒子滤波混

4、合跟踪方法实现了监控视频序列中目标数目可变的多目标跟踪，并通过对实验结果和数据的进一步分析讨论，论证了所提方法的有效性和实用性。关键词：彩色目标跟踪；贝叶斯方法；区域分割；混合粒子滤波；多目标跟踪邢睿智：彩色图象序列中基于贝叶斯滤波的目标跟踪TargetTrackingBasedoilBayesianFilterinColoredImageSequenceAbstractAsachallengingresearchtopicincomputervision，coloredtragettrackingofdynamicscenesattemptstodetect，recognizea

5、ndtrackmovingobjectsfromimagesequences．Thisthesisfocusesontheresearchonforegroundmeasl】rementandfiltering，whicharetwokeytechniquesinvisualBayesiantracking．Basedoncolorvisionandcolorimetrytheory，pixelclassificationandtargetregionsegmentationarefirstlydiscussed．Inordertomeetthepmcticalrequiremen

6、tinreal-timeandeffectiveness，thepixelclassificationsbasedonconstantthresholdmethodarecomparedandanalysedinthreekindsofcolorspacesrespectively．TherepresentationofBayesiantrackingisgivenbasedonMarkovhypothesisandBayesianformula，andthreeimplementationmethodsofBayesiantrackingareintroducedanddissc

7、ussedinsuccession．InordertosarisfytherequirementofRoboCup，acoloredballtrackingmethodisproposedwhichcombinetheKalmanfilterwi也searchwindowupdatingmethod．Insteadofglobalsearchinginimage，localsegmentationgreatlydecreasesthecomputationburden