QQ客服 官方微博 反馈留言

题名	复杂环境下基于粒子滤波的多特征融合目标跟踪算法研究
作者	王瑜曈
答辩日期	2016
导师	曹洁 ; 马志程
关键词	目标跟踪 粒子滤波 粒子退化 自适应融合 Ada Boost
学位名称	硕士
英文摘要	近年来,视频目标跟踪技术作为国防和日常安防系统的重要组成,在理论和应用研究上都得到极大重视。目前,简单场景下的跟踪理论已经较为成熟,并成功应用于医疗诊断等方面。在实际应用中目标跟踪环境普遍较为复杂,光线阴影变化、相似物体遮挡、三维物体到二维视频帧投影引起的自身形变遮挡都会极大影响算法的跟踪效果,然而到目前为止还没有一套针对复杂环境下跟踪问题的行之有效的理论方法。本文在深入学习粒子滤波理论的基础上,依次从粒子滤波算法改进、基于粒子滤波的视觉特征自适应融合、目标跟踪状态的判断及处理三个层面展开复杂跟踪环境下基于粒子滤波的目标检测跟踪算法的研究:1.针对粒子在多次迭代过程中出现的粒子退化问题,本文提出一种逆映射采样粒子滤波算法。该算法避开了直接从最优重要密度函数采样难以实现的问题,利用基于进化策略的数值积分算法求得最优重要密度函数的分布函数,在分布函数单值逆映射的理论基础上,通过在分布函数随机抽取点列及逆向映射,实现间接从最优重要密度函数采样粒子,抑制了粒子的退化问题。2.针对多特征固定融合算法在目标所处环境变化时无法持续准确表征目标的问题,在粒子滤波算法框架下根据粒子的不确定性定义特征度量函数,同时利用特征的关联熵系数计算特征的互支持度,根据特征之间的互支持度自适应调整加性融合与乘性融合比重,在权值自适应的基础上建立自适应观测模型,提高了算法在光线、角度变化等情况下的稳定性。3.针对基于粒子滤波的目标跟踪算法对目标识别度低的问题,将Ada Boost级联强分类器引入粒子滤波跟踪算法。改进算法定义置信度以判断目标跟踪状态,在跟踪置信度较低时引导粒子向Ada Boost分类器检测结果中心坐标移动,实现对遮挡重现目标新位置的快速定位,进一步提升了算法的准确性和鲁棒性。
语种	中文
页码	65
URL标识	查看原文
内容类型	学位论文
源URL	[http://ir.lut.edu.cn/handle/2XXMBERH/91890]
专题	兰州理工大学
作者单位	兰州理工大学
推荐引用方式 GB/T 7714	王瑜曈. 复杂环境下基于粒子滤波的多特征融合目标跟踪算法研究[D]. 2016.

个性服务

查看访问统计

相关权益政策

暂无数据

收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。