基于粒子滤波与增量学习的车辆跟踪方法研究

《基于粒子滤波与增量学习的车辆跟踪方法研究》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、万方数据博士学位论文基于粒子滤波与增量学习的车辆跟踪方法研究作者：吴刚指导教师：唐振民教授南京理工大学2014年11月万方数据Ph．D．DissertationResearchofvehicletrackingmethodsbasedonparticlefilterandincrementallearningWuGangSupervisedbyPn埴勖ngZhenminNanjingUniversityofScience&TechnologyNovember,2014万方数据声明本学位论文是我在

2、导师的指导下取得的研究成果，尽我所知，在本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均已在论文中作了明确的说明。研究生签名：鍪!鱼：l≯一睁J／月／和学位论文使用授权声明南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅或上网公布本学位论文的部分或全部内容，可以向有关部门或机构送交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对于保密论文，按保密的

3、有关规定和程序处理。研究生签名：j址列牛年l＼月眵日万方数据博士论文基于粒子滤波与增量学习的车辆跟踪方法研究摘要现代交通运输智能化涉及车辆自身的智能化与道路交通智能监控。智能车辆采用视觉系统针对周围车辆进行跟踪，有助于对潜在接近或危险行驶的车辆进行合理规避；道路交通智能监控环境中，针对车道上的行驶车辆进行目标跟踪，有助于提取交通流速度、车道的占有率与瞬时车速等交通信息量。符合目标状态非线性、噪声分布非高斯的粒子滤波算法由于既适用静止视觉平台，同时又适合移动视觉平台，成为目前跟踪算法的一个较优选择

4、。在图像受随机噪声扰动、车辆受遮挡、车速变化等场景下，传统车辆跟踪算法的成功率与处理速度均难以完全匹配智能车视觉系统的要求；对于道路交通智能监控，基于图像的车辆跟踪算法也存在不能完全适应光照强度变化、阴影、雨雪雾天等问题。作为传统预测跟踪方法，粒子滤波算法自身缺乏智能性应对复杂场景车辆跟踪的有效解决手段。针对上述复杂车辆跟踪场景，论文侧重在融合粒子滤波与增量学习方面，研究进一步提高粒子滤波跟踪算法稳定性、实时性与可靠性的解决方法。本论文主要研究复杂场景中的运动车辆跟踪方法，研究成果与取得的创新点

5、体现在以下主要方面：(1)为解决传统粒子滤波序列重要性重采样(SequentialImportanceResampling，SIR)算法因引进简化的建议分布，引起粒子权值近似计算从而导致跟踪稳定性欠佳的问题，利用相邻帧间信息的强关联性，使用前帧先验与系统状态预测信息共同采样粒子以校正预测粒子点信息，提出一种引入前帧加权采样的粒子滤波跟踪算法。基于标准视频Carll的车辆跟踪实验表明：对道路灯光扰动下车速发生变化的车辆进行跟踪，所提算法提高粒子滤波SIR算法跟踪的稳定性。为进一步降低重采样误差并提

6、高粒子滤波的采样效率，既通过引入当前粒子集权值的残差信息来构建合理的累积分布函数，又通过分层的手段来获取有序的随机数集合，在多项式重采样的基础上提出残差信息分层重采样。针对标准测试视频，对比嵌入4种重采样的粒子滤波SI础艮踪算法的实验数据表明：在跟踪误差与收敛粒子数方面，嵌入残差信息分层重采样的粒子滤波算法性能为最优。(2)针对车辆运动方向持续变化、目标车辆距离远近变化、光照强度变化等场景下，稳定且实时性地跟踪车辆的难点问题，基于自相关矩阵增量主成分分析(IncrementalPrincipal

7、ComponentAnalysis，IPCA)增量学习与粒子滤波算法的基础上提出一种基于表观模型的车辆跟踪方法，不需预先训练车辆图像、且不需假定目标车辆的子空间均值固定，从跟踪初始利用自相关矩阵与特征值分解构建车辆的子空间图像，通过IPCA增量学习后的子空间均值、特征向量基共同参与似然概率密度的计算，提高粒子滤波算法粒子权值计算的精度。在粒子数选取300个、每5帧进行一次IPCA增量学习的情况下，基于Car4等3组标准视频的跟踪实验表明：对比P．Hall．IPCA粒子滤波与D．Ross．IPCA

8、粒子滤波方法，所提AM．IPCA粒子滤波方法将车辆跟踪成功率分别由82．7％"92．3％、万方数据摘要博士论文92．1％--一95．2％提升至95．1％～96．4％。(3)长序列图像跟踪场景中，车辆跟踪过程经常受跟踪区域形变、光照强度变化等现场强噪声干扰，为解决跟踪算法的跟踪窗口易产生形变与漂移的难点问题，利用群空间中仿射群组受扰动后的形不变性，将系统状态变量映射到李群空间进行处理，同时采用IPCA增量学习并更新目标特征子空间。在利用粒子滤波算法采样粒子时，通过引入观测量以提高粒子权值计算的准确