学位论文 > 优秀研究生学位论文题录展示

基于粒子滤波的目标跟踪算法研究

作　者: 吴迪
导　师: 魏颖
学　校: 东北大学
专　业: 模式识别与智能系统
关键词: 目标跟踪 粒子滤波 区域匹配 颜色特征 SIFT特征匹配
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 125次
引　用: 0次
阅　读: 论文下载
 

内容摘要


视频跟踪技术在军用和民用上都有十分重要的意义,研究和开发可靠而且实时的跟踪算法和系统具有很强的实用性。滤波理论在跟踪领域已经应用的很广泛,粒子滤波是通过非参数化的蒙特卡罗仿真方法来实现的递推贝叶斯滤波,适用于任何能用状态空间模拟表示的非线性系统,以及传统卡尔曼滤波无法表示的非线性系统,精度可以逼近最优估计,而且具有很强的并行性和开放性。因其诸多优点,粒子滤波已经被越来越多的研究者应用在跟踪算法中。本文首先对粒子滤波理论进行了深入研究,给出了非线性贝叶斯预测理论的推导过程,在蒙特卡罗仿真算法的支持下,提出了基于粒子滤波理论的目标跟踪框架。然后依据三种目标模板,分别是灰度模板、颜色模板和SIFT特征模板,结合粒子滤波跟踪框架,实现了基于灰度模板区域匹配的粒子滤波跟踪、基于颜色概率分布的粒子滤波跟踪和基于SIFT特征匹配的粒子滤波跟踪三种跟踪方式在平移空间和仿射空间的跟踪,而且给出了跟踪结果,进行了数据分析。实验证明,这三种跟踪方式能够很好的实现平移空间和仿射空间的跟踪,并且结合粒子滤波的“多峰”特性,适用于目标被短暂遮挡时的跟踪。本文还结合摄像机和云台,构成了一套目标自动跟踪系统,并把本文提出的基于灰度模板区域匹配的粒子滤波跟踪、基于颜色概率分布的粒子滤波跟踪和基于SIFT特征匹配的粒子滤波跟踪三种跟踪方式以及CamShift算法一并移植到了设备上,给出了系统软硬件结构和目标跟踪实验结果。经过实验证明,本文提出的三种算法能够在设备上实现稳定的目标跟踪。

全文目录


摘要  5-6
ABSTRACT  6-11
第1章 绪论  11-17
  1.1 引言  11
  1.2 目标跟踪的研究现状及其相关技术  11-14
    1.2.1 运动目标检测方法  11-12
    1.2.2 运动目标跟踪方法  12-14
  1.3 特征提取与特征分类  14-15
    1.3.1 特征提取  14
    1.3.2 特征分类  14-15
  1.4 基于非线性贝叶斯滤波理论的视觉跟踪  15
  1.5 论文的章节安排  15-17
第2章 粒子滤波理论  17-29
  2.1 引言  17
  2.2 非线性贝叶斯预测  17-19
  2.3 蒙特卡罗方法  19-22
    2.3.1 蒙特卡罗方法的基本原理  19-20
    2.3.2 蒙特卡罗方法的收敛性  20-21
    2.3.3 蒙特卡罗方法的实现  21-22
  2.4 粒子滤波原理  22-25
    2.4.1 贝叶斯重要性采样  22-24
    2.4.2 序列重要性采样  24
    2.4.3 重采样原理  24-25
  2.5 粒子滤波原理在视觉跟踪上的应用  25-28
    2.5.1 目标的先验知识  25
    2.5.2 系统状态转移  25-26
    2.5.3 系统观测  26
    2.5.4 后验概率的计算  26
    2.5.5 粒子重采样  26-28
  2.6 本章小结  28-29
第3章 基于灰度模板区域匹配的粒子滤波跟踪  29-41
  3.1 引言  29
  3.2 区域匹配算法  29-32
    3.2.1 目标模板的表示  29-30
    3.2.2 目标的运动模型  30
    3.2.3 匹配值的计算  30-31
    3.2.4 匹配点的搜索  31-32
  3.3 基于灰度模板区域匹配的粒子滤波跟踪  32-36
    3.3.1 目标的先验知识  32-33
    3.3.2 系统状态转移  33-34
    3.3.3 系统观测  34
    3.3.4 后验概率计算  34-35
    3.3.5 粒子重采样  35
    3.3.6 基于灰度模板区域匹配的粒子滤波跟踪算法流程  35-36
  3.4 实验结果  36-40
    3.4.1 平移空间的粒子滤波跟踪  36-39
    3.4.2 仿射空间的粒子滤波跟踪  39-40
  3.5 本章小结  40-41
第4章 基于颜色概率分布的粒子滤波跟踪  41-55
  4.1 引言  41
  4.2 颜色概率分布图  41-45
    4.2.1 常用的颜色模型  41-42
    4.2.2 颜色模型变换算法  42-44
    4.2.3 颜色直方图  44-45
    4.2.4 颜色概率分布图  45
  4.3 基于颜色概率分布的粒子滤波跟踪  45-50
    4.3.1 跟踪目的  46
    4.3.2 目标的先验知识  46-47
    4.3.3 系统状态转移  47
    4.3.4 系统观测  47-48
    4.3.5 后验概率计算  48
    4.3.6 粒子重采样  48
    4.3.7 基于颜色概率分布的粒子滤波跟踪算法流程  48-50
  4.4 实验结果  50-54
  4.5 本章小结  54-55
第5章 基于SIFT特征匹配的粒子滤波跟踪  55-69
  5.1 引言  55
  5.2 SIFT特征匹配算法  55-61
    5.2.1 SIFT特征向量的生成  56-59
    5.2.2 SIFT特征向量的匹配  59-61
  5.3 基于SIFT特征匹配的粒子滤波跟踪  61-65
    5.3.1 目标的先验知识  61-62
    5.3.2 系统状态转移  62
    5.3.3 系统状态观测  62-63
    5.3.4 后验概率计算  63
    5.3.5 粒子重采样  63
    5.3.6 基于SIFT特征匹配的粒子滤波跟踪算法流程  63-65
  5.4 实验结果  65-68
  5.5 本章小结  68-69
第6章 视觉跟踪系统的实现和实验研究  69-85
  6.1 实验平台的设计与构成  69-71
  6.2 系统软件实现  71-78
    6.2.1 图像采集  71
    6.2.2 目标提取  71-73
    6.2.3 目标跟踪  73-74
    6.2.4 跟踪控制  74-75
    6.2.5 系统总体框图  75-78
  6.3 实验结果  78-84
  6.4 本章小结  84-85
第7章 总结与展望  85-87
参考文献  87-91
致谢  91

相似论文

  1. 基于多Agent理论的卫星协同定轨技术研究,V474
  2. 带径向速度观测的跟踪算法研究,TN953
  3. 基于VRPF的机动目标跟踪的研究,TN957.52
  4. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  5. 移动机器人视觉检测和跟踪研究,TP242.62
  6. 红外图像目标识别及跟踪技术研究,TP391.41
  7. 基于运动目标轨迹分析的智能交通监控系统,TP277
  8. 自主水下航行器组合导航算法研究与系统实现,U666.1
  9. 基于粒子滤波的多分量调频定距侦察信号分离与参数提取,TN911.7
  10. 多模式图像检索方法研究,TP391.41
  11. 基于单摄像头的360度旋转跟踪系统,TP391.41
  12. 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
  13. 视频序列中运动目标的自动跟踪与计数,TP391.41
  14. 基于视觉的粒子滤波目标跟踪算法及其在移动机器人中的应用,TP242
  15. 微光条件下视频目标跟踪关键技术的研究,TP391.41
  16. 电视导引头目标跟踪显示技术研究,TJ765.331
  17. 以太网高帧测量摄像机的设计与实现,TP391.41
  18. 基于FISST理论的多目标跟踪技术研究,TN953
  19. 多目标视觉检测与跟踪方法研究及视频监控软件平台的开发,TP391.41
  20. 基于粒子滤波的目标跟踪算法研究及DirectShow实现,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com