探究利用视频分割与粒子滤波实现多目标跟踪研究

《探究利用视频分割与粒子滤波实现多目标跟踪研究》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、浙江大学计算机科学与技术学院硕士学位论文利用视频分割与粒子滤波实现多目标跟踪研究姓名：陈宏文申请学位级别：硕士专业：计算机应用技术指导教师：彭群生;王章野20100101浙江人学硕tj学位论文摘要多目标跟踪技术广泛应用于弹道导弹防御、空中预警、空中多目标攻击、战场监视、城市安保、虚拟现实中人机交互等领域。随着传感器技术的日益完善和机器人技术发展要求，基于计算机视觉的多目标跟踪技术成为各国顶尖科研机构竞相追逐的热点问题。粒子滤波是进行目标跟踪的有效方法，但被用于多目标跟踪时也容易出错，尤其是当多个目标相互交叉的时候。为了解决这个问题，本文提出了粒子滤波与视频分割相结合的方法，利用视频分割提供

2、的信息区分不同的目标，以达到正确跟踪的目的。第一章介绍多目标跟踪的概念、组成与分类，多目标跟踪的研究意义、国内外研究现状以及本文贡献。第二章介绍粒子滤波在目标跟踪中的应用。第三章介绍利用视频分割与粒子滤波实现多目标跟踪的算法。第四章叙述了多目标跟踪算法的实现结果。第五章为总结与展望。关键词：目标建模视频分割粒子滤波多目标跟踪浙江大学硕’Ij学位论文AbstraetAbstractTechniquesoftrackingmulti—targetarewidelyappliedinballisticmissiledefense，airbomeearlywarning，airbomeattack

3、amongtargets，battlefieldsurveillance，safeguardofcity,human—computerinteractioninvirtual—reality．Followingthedevelopmentoftechnologyandrobotics，technologyoftrackingmulti—targetbasedcomputervisionbecomesahotresearchtopicintopinstitutionsofvariouscountries．Particlefilterisaneffectivewayofobjecttracki

4、ng；however,itisstillerror-pronewhenitisusedformulti-targettracking，especiallywhenmultipleobjectsoverlapped．Toovercomethisproblem，weproposetocombineparticlefilterandvideosegmentation，thelatterCallprovideUSwithinformationtodistinguishdifferentobjects，whichisofgreathelpforcorrecttracking．Inchapterone

5、，weintroducethefundamentalconceptaswellastherelatedresearchworksinmulti-target．Ourcontributioninthepaperisalsosummarized．Inchaptertwo，theapplicationofparticlefilterintrackingtargetisinvestigated．Inchapterthree，weadoptthetechniqueofvideosegmentationandparticlefiltertodevelopanewalgorithmofmulti—tar

6、gettracking．Inchapterfour，weshowsomeexperimentalresultsoftheproposedalgorithm．Chapterfivegivesmyconclusionandhighlightssomefuturework．Keywords：TargetModelVideoSegmentationParticleFilterMulti—targetTracking浙江大学硕士学位论文图目录图1．1网球运动员的骨架模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯2图1．2人脸的三角网格模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一3图1．3运动目标的核

7、模型⋯_⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯．3图1．4目标的snake模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯4图1．501、02、03表示观测位置；P1、P2表示预测位置；圆表示跟踪门．⋯．⋯⋯⋯．⋯⋯⋯⋯⋯．⋯⋯⋯⋯．⋯⋯⋯⋯．⋯⋯．⋯⋯⋯⋯．⋯．⋯⋯⋯．⋯⋯⋯⋯．⋯⋯⋯．⋯．．．．5图1．6多假设滤波跟踪树示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯6图1．7均值偏移迭代过程示意图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯