学位论文 > 优秀研究生学位论文题录展示

基于粒子群算法和卡尔曼滤波的运动目标跟踪算法

作　者: 窦永梅
导　师: 冀小平
学　校: 太原理工大学
专　业: 通信与信息系统
关键词: 粒子群算法 卡尔曼滤波 运动目标跟踪 灰度统计特性
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 307次
引　用: 1次
阅　读: 论文下载
 

内容摘要


在计算机视觉领域中,运动目标跟踪是关键问题之一,其在视频监控、军事、视频编码、交通等领域有着重要而广泛的应用。视频运动目标检测与跟踪算法作为智能视频监控系统、计算机视觉等领域的核心技术之一,已经取得了诸多研究成果,很多科研工作者创造性的提出了一系列优秀的算法,但是目前仍存在许多疑难问题,有待进一步分析、研究与探讨。本文针对目前一些常用的运动目标跟踪算法存在跟踪精度不高、实时性低、对遮挡问题处理不佳等问题,提出一种粒子群算法与卡尔曼滤波相结合的新的运动目标跟踪方法。首先,本文对运动目标的检测与跟踪作了综合概述,对本文用到的数字图像处理的基本理论知识以及具体方法进行了详细的阐述和分析。包括如何将将彩色图像转化为灰度图像；如何去掉夹杂在图像中的噪声；运用直方图均衡化的方法增加图像的对比度；数学形态学的相关内容等方面。其次,简要介绍和讨论了几种经典的运动目标检测算法,详细介绍了本文所用的背景差分法。然后,详细阐述了该论文的核心,即粒子群算法与卡尔曼滤波的基本理论知识以及怎样将二者结合起来解决跟踪的具体算法,即利用卡尔曼滤波预测运动目标中心在下一帧中可能出现的位置,结合目标灰度统计特性,以候选区域与目标模板的相似度作为粒子群算法的适应度函数,这样就可以应用粒子群算法求一个最优解,即与目标模板最相似的运动目标中心,将这个最优解赋值给离散卡尔曼滤波器的测量更新方程中的观测值,它联合增益矩阵来修正状态一步预测值,得到当前时刻的状态滤波值,得到的状态滤波值再代入卡尔曼滤波器的测量更新方程中进行下一步的预测,这就是粒子群算法与卡尔曼滤波结合的具体方法。最后,在新算法的理论的基础上,本文借助Matlab7.0.1的环境,分别对三段来源于CAVIAR数据集的视频测试序列WalkByShop1 front、OneLeaveShopReenter2cor、OneShopOneWait 1 front进行了仿真实验,并对实验结果进行了分析。分析表明本文提出的新算法基本满足了跟踪的鲁棒性、实时性和准确性,并能处理部分遮挡以及抵抗背景因素的干扰。

全文目录


摘要  3-5
ABSTRACT  5-10
第一章 绪论  10-18
  1.1 选题背景与意义  10
  1.2 当前国内外研究现状  10-13
  1.3 视频运动目标检测与跟踪概述  13-15
  1.4 本论文的研究内容及主要框架  15-18
第二章 图像处理的基本知识  18-30
  2.1 图像的灰度化  18-19
  2.2 图像去噪  19-23
    2.2.1 均值滤波  20
    2.2.2 中值滤波  20-23
  2.3 直方图均衡化  23-26
  2.4 数学形态学图像处理  26-28
    2.4.1 膨胀和腐蚀  26-27
    2.4.2 开启运算与闭合运算  27-28
  2.5 本章小结  28-30
第三章 运动目标检测方法研究及仿真实验分析  30-36
  3.1 运动目标检测的帧间差分法与光流法  30-31
    3.1.1 帧间差分法  30-31
    3.1.2 光流法  31
  3.2 基于背景差分法的目标检测及结果分析  31-35
  3.3 本章小结  35-36
第四章 基于粒子群算法和卡尔曼滤波的运动目标跟踪算法  36-62
  4.1 基本粒子群算法的概述  36-40
  4.2 粒子群算法的发展和应用  40-41
    4.2.1 粒子群算法的发展  40-41
    4.2.2 粒子群算法的应用  41
  4.3 粒子群算法与其它智能算法的异同  41-44
    4.3.1 基于梯度的优化算法  41-42
    4.3.2 进化计算方法  42-44
  4.4 卡尔曼滤波的概述  44-51
    4.4.1 离散状态方程与观测方程  46-47
    4.4.2 滤波器的计算原型  47-48
    4.4.3 滤波器的概率原型说明  48-49
    4.4.4 离散卡尔曼滤波器算法概述  49-51
  4.5 基于粒子群算法和卡尔曼滤波相结合的运动目标跟踪算法  51-61
    4.5.1 目标灰度特征和粒子群适应度函数  51-52
    4.5.2 粒子群算法与卡尔曼滤波相结合算法的具体实现  52-54
    4.5.3 实验结果与分析  54-61
  4.6 本章小结  61-62
第五章 总结与展望  62-66
  5.1 总结  62-63
  5.2 展望  63-66
参考文献  66-70
致谢  70-71
攻读学位期间发表的学术论文目录  71

相似论文

  1. 基于微型无人平台导航多传感器信息融合算法研究,V249.32
  2. SINS/GPS组合导航系统算法研究,V249.328
  3. 基于陀螺和星敏感器的卫星姿态确定研究,V448.2
  4. 机载导弹的传递对准研究,V249.322
  5. 偏振光/地磁/GPS/SINS组合导航算法研究,V249.328
  6. 带径向速度观测的跟踪算法研究,TN953
  7. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  8. 移动机器人视觉检测和跟踪研究,TP242.62
  9. 有源电力滤波器及其在配电网中的应用,TN713.8
  10. 基于粒子群的分子对接算法,R91
  11. 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
  12. 基于粒子群算法的露天矿道路路径优化研究,TP301.6
  13. 两轮电动车自平衡控制算法的研究,TP273
  14. 基于多信息融合的轮式农业机器人导航研究,TP242
  15. 移动机器人路径规划研究及仿真实现,TP242
  16. 蜂窝系统的定位算法研究,TN929.53
  17. 基于多激光雷达的行人目标跟踪,TP391.41
  18. 基于视频的动物运动跟踪分析系统及应用研究,TP391.41
  19. 基于蜜蜂视觉机理的光流辅助导航,TP391.41
  20. 运动目标检测与跟踪的研究,TP391.41
  21. 量子粒子群算法研究及其在图像矢量量化码书设计中的应用,TP301.6

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