复杂运动状态的视频目标跟踪自适应切换算法new

《复杂运动状态的视频目标跟踪自适应切换算法new》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、第31卷第11期计算机应用Vol．31No．112011年11月JournalofComputerApplicationsNov．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Kalman滤波(KF)实时性好的优点，以及粒

2、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著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(DepartmentofEngineeringTec

3、hnology，ZhejiangDongfangVocationalandTechnicalCollege，WenzhouZhejiang325011，China)Abstract:Concerningtheuncertaintyofvideotargetstatetransitionmodelandrandomnoisedistributioninactualenvironment，analgorithmusedforvideotargettrackingincomplicatedmovementwasproposed．Thealgorithmadoptedtheadvanta

4、geofKalmanFilter(KF)whichwasofexcellentreal-timequality，andtheadvantageofParticalFilter(PF)whichcoulddealwithnon-linearandnon-Gaussianfilteringatthesametime．ByanalyzingtheperformanceofKFandmakingitsperformanceparametersasadeterminsticterm，KFandPFcouldbeswitchedadaptively．Bymeansoftest，itissug

5、gestedthatthemethodproposedinthispapercancarryoutsteadytrackingwhenthetargetmotionstatechangessignificantly，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，Kalman滤波是一种基于统计的实时递推算法，其设计简在军事制导、视觉导航、智能监控、视频编

6、码等许多领域都有单易行，实时处理性较强。本文通过Kalman滤波建立目标的［10－11］着广泛的应用前景。文献［1－2］用卡尔曼滤波(Kalman运动模型来完成视频目标的预测跟踪，其状态方程和观Filter，KF)对运动目标进行跟踪，但是在实际运动中，目标转测方程为: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Xk=φk，k－1Xk－1+Wk－1(1)等情况，这都有可能产生估计误差;文献［3－4］分别采用扩Zk=HXk+Vk(2)展卡尔曼滤波(ExtendedKalmanFilter，EKF)和无味卡尔曼其中H、φk，k－1分别表示状态测量矩阵和转移矩阵;Wk，Vk表滤波

7、(UnscentedKalmanFilter，UKF)对非线性系统进行建示过程噪声和测量噪声，均为高斯白噪声。由于连续的视频帧时间间隔ΔT较短，因此在此间隔内可模，但两者都不能同时处理非线性非高斯模型;文献［5－6］以将运动分解为在水平和垂直方向的匀加速直线运动，则目采用均值偏移(Mean-Shift)算法跟踪快速运动目标，但是对于标的状态矩阵为:复杂运动状态目标跟踪效果就不理想。近年来，粒子滤波［7－9］12(ParticlesFilter，PF)方法由于其简洁性、处理复杂情况