学位论文 > 优秀研究生学位论文题录展示
改进粒子滤波算法及其在目标跟踪中应用研究
作 者: 李孟敏
导 师: 汪荣贵
学 校: 合肥工业大学
专 业: 计算机应用技术
关键词: 贝叶斯滤波 粒子滤波 遗传算法 粒子退化 目标跟踪
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 214次
引 用: 4次
阅 读: 论文下载
内容摘要
粒子滤波器在处理非线性或非高斯问题所显示出的巨大的潜力,使得其在非线性滤波领域受到了广泛的关注。与传统滤波方法相比,其具有简单易行的特点,因此在诸多研究领域得到了广泛应用。粒子滤波是一种用于求解贝叶斯概率的实用方法。它是一种通过使用非参数化的蒙特卡罗方法来实现递推贝叶斯估计的滤波方法,可适用于任何能用状态空间表示的非线性系统。然而,传统的标准粒子滤波算法中存在着一些缺点,最典型的就是粒子的退化问题,以及采用传统的重采样之后又出现的粒子多样性减弱问题。到目前为止,粒子滤波算法虽然经历了众多的改进,但是并没有很好的解决这些问题。因此,进一步研究并改进粒子滤波算法以提高粒子的多样性对提高粒子滤波的效率具有十分重要的意义。本文主要内容如下:1.本文首先在对传统粒子滤波算法进行深入研究的基础上,提出将遗传算法中的进化策略引入到粒子滤波算法的框架中来,利用遗传算法中使用的诸如交叉算子、变异算子、选择算子等进化策略对种群个体进行操作,直至进行进化操作以后的粒子的表现都优于进化前,这种做法提高了粒子的全局搜索以及寻优的能力,进化操作对粒子进行了有效的移动,从而提升了粒子的多样性。2.根据粒子滤波算法中对粒子滤波算法的应用需求,对引入的自适应遗传算法进行了一系列的改进。在粒子滤波中,粒子进化的方向是得到一个最优的粒子种群,而传统自适应遗传算的目标是寻求种群中的最优个体,故在粒子滤波的应用中,对传统自适应遗传算法中变量的调节策略需要做相应的调整。因此,本文从每个粒子的先验知识出发,对自适应遗传算法中用以控制进化操作概率的变量如交叉概率、变异概率等的调节策略进行了改进,使得改进后的自适应遗传算法,可更好的为解决粒子滤波中多样性减弱的问题而服务。3.本文研究了粒子滤波算法在计算机视觉领域的应用,首先实现了标准粒子滤波跟踪算法,而后实现了本文改进粒子滤波的跟踪算法,最后,对这两种跟踪算法进行了对比试验,实验结果证明本文改进算法的跟踪效果较好。
|
全文目录
摘要 5-6 ABSTRACT 6-10 致谢 10-11 第一章 绪论 11-18 1.1 研究目的及意义 11-12 1.2 粒子滤波研究背景 12-15 1.2.1 国内外研究现状 12-13 1.2.2 主要应用领域 13-14 1.2.3 粒子滤波面临的挑战 14-15 1.3 本文主要内容 15-16 1.4 本文结构 16-18 第二章 粒子滤波基本理论 18-27 2.1 引言 18 2.2 贝叶斯滤波原理 18-20 2.2.1 状态空间模型 18 2.2.2 递推贝叶斯滤波 18-20 2.3 粒子滤波算法基础 20-26 2.3.1 蒙特卡洛方法 20-21 2.3.2 贝叶斯重要性采样(BIS) 21-22 2.3.3 序列重要性采样(SIS) 22-24 2.3.4 建议分布的选择 24 2.3.5 重采样 24-25 2.3.6 粒子滤波算法流程 25-26 2.4 本章小结 26-27 第三章 基于改进自适应遗传算法的粒子滤波算法 27-41 3.1 引言 27 3.2 遗传算法的基本知识及实现过程 27-30 3.2.1 遗传算法基本原理 27-28 3.2.2 遗传算法实现过程 28-30 3.2.4 遗传算法具体实现步骤 30 3.3 自适应遗传算法 30-31 3.4 基于改进自适应遗传算法的粒子滤波算法 31-35 3.4.1 改进自适应遗传算法 31-33 3.4.2 基于改进自适应遗传算法的粒子滤波算法 33-35 3.5 实验结果分析 35-40 3.6 本章小结 40-41 第四章 粒子滤波在视频目标跟踪中的应用 41-59 4.1 引言 41 4.2 目标视觉特征建模 41-44 4.2.1 颜色特征 42-44 4.2.2 运动边缘特征 44 4.3 目标数学模型的设计 44-47 4.3.1 系统模型 45-46 4.3.2 量测模型 46-47 4.4 基于多特征融合的粒子滤波目标跟踪算法 47-51 4.4.1 系统状态转移模型 48 4.4.2 系统量测 48-50 4.4.3 重采样 50 4.4.4 确定目标位置 50 4.4.5 模板更新 50-51 4.4.6 算法流程 51 4.5 基于多特征融合的改进自适应粒子滤波跟踪算法 51-53 4.6 实验结果与分析 53-57 4.6.1 快速运动物体和人体头部的跟踪情况 54-55 4.6.2 遮挡情况下的跟踪 55-57 4.6.3 在姿态变化和部分遮挡下的跟踪情况 57 4.7 本章小结 57-59 第五章 总结与展望 59-61 参考文献 61-65 攻读硕士学位期间发表的学术论文 65-66 攻读硕士学位期间参与的科研项目 66-67
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 基于多Agent理论的卫星协同定轨技术研究,V474
- 带径向速度观测的跟踪算法研究,TN953
- 基于VRPF的机动目标跟踪的研究,TN957.52
- 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
- 空间交会接近视觉测量方法研究,TP391.41
- 有标记点的人体三维运动数据获取方法的研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
- 部队人员网上训练与考核系统的开发,TP311.52
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于遗传算法的中短波磁天线的设计及实现,TN820
- 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
- 基于遗传算法的柑橘图像分割,TP391.41
- 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
- 基于遗传—牛顿算法的公交优化调度,TP18
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
- 红外图像目标识别及跟踪技术研究,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
|