基于粒子濾波的多特征視頻跟蹤算法.pdf

1、隨著相關學科和計算機學科的發(fā)展，計算機視覺取得了蓬勃的發(fā)展，運動目標跟蹤已經(jīng)成為計算機視覺領域的一個核心問題。擴展卡爾曼濾波、粒子濾波等新技術的出現(xiàn)，也促使視頻跟蹤算法取得了長足進步。卡爾曼濾波理論成功的解決了線性、高斯條件下的目標跟蹤問題，而隨著應用環(huán)境的日漸復雜，更多非線性非高斯的跟蹤問題需要解決，進而提出了用粒子濾波理論來解決。但是目前粒子濾波算法在精確性和魯棒性等方面仍無法較好滿足產(chǎn)品應用的需求，因此對基于粒子濾波技術的視頻目標

2、跟蹤方法展開深入的研究具有重要的理論意義和現(xiàn)實意義。
　　本文所做的工作主要有以下幾個方面：
　　1.針對單一特征無法較好描述跟蹤目標，本文應用運動、顏色、邊緣三種特征來描述目標，并且應用一種基于特征可信度的自適應多特征融合方法。顏色特征是物體的顏色屬性，本文用二階直方圖改善顏色直方圖包含信息量低的缺點；邊緣特征即圖像的高頻屬性，用Canny算子提取目標的邊緣，并進行膨脹操作以便邊緣更加明顯；運動特征是指物體的運動屬性，視頻

3、的背景變化比較小時，基于運動特征的目標跟蹤效果比較突出。本文在不同背景環(huán)境下進行了單一特征和多特征融合對比實驗，驗證了多特征融合算法的有效性。
　　2.針對粒子濾波算法存在粒子退化現(xiàn)象和樣本匱乏的問題，本文使用mean shift算法對其改進。在粒子濾波算法重采樣之前采用mean shift算法對粒子進行一次聚類，之后對所有粒子分塊進行部分重采樣。該算法是對粒子退化現(xiàn)象和樣本匱乏現(xiàn)象的一種權衡，既有效緩解了粒子退化現(xiàn)象，又保留了粒