论文总字数：26626字

摘 要

如今，粒子滤波算法在视频目标跟踪中的应用越来越广泛。传统的粒子滤波算法通常只依靠单一的目标特征作为视频跟踪的依据，但是没有一种单一特征可以保证在不同跟踪环境中都取得精确的跟踪结果，针对这个问题，对基于粒子滤波的多特征目标跟踪算法展开研究。

本文在介绍了课题背景意义以及粒子滤波跟踪算法基本原理的前提下，进行实验算法设计，该算法依靠颜色特征作为目标跟踪的主特征，同时引入边缘特征作为辅助特征，在粒子滤波算法的框架下按一定的权值系数进行特征融合，以提高目标跟踪的准确性和鲁棒性。最后，实验通过单一特征与多特征跟踪效果对比、粒子采样数对跟踪效果影响、复杂环境跟踪效果检测三个方面进行结果分析。

结果表明，基于多特征融合的粒子滤波跟踪算法比单一特征更具优势，在选择合适粒子采样数的条件下，本文算法在背景变化较大、存在遮挡等复杂跟踪环境中可以保证较好的跟踪精确度和鲁棒性。

关键词：粒子滤波，多特征融合，颜色特征，边缘特征，目标跟踪，准确性

RESEARCH ON MULTI-FEATURE FUSION TARGET TRACKING ALGORITHM

BASED ON PARTICLE FILTER

Abstract

Nowadays, the application of particle filter algorithm in video target tracking is more and more widely. The traditional particle filter algorithm usually only rely on single object feature as a video tracker based on, but not a single feature can be guaranteed in different tracking environment are achieved accurate tracking results. To solve this problem, to research on particle filter characteristics of target tracking algorithm based on.

This article in introduced the topic background and significance and the particle filter tracking algorithm, the basic principle of the premise, the algorithm design and the algorithm rely on color feature as the target tracking of the main features of, while the introduction of edge feature as a secondary feature, under the framework of particle filtering algorithm according to certain weight coefficient of feature fusion, in order to improve the accuracy and robustness of target tracking. Finally, the experiment results are analyzed by comparing the single feature and multi feature tracking effect, the effect of particle sample number on tracking effect, and the detection of complex environmental tracking effect in three aspects.

The results show that the particle filter based on multi feature fusion tracking algorithm has more advantage than the single feature, in the selection of suitable particle sampling conditions, the algorithm presented in this paper in the background changes larger, existing occlusion tracking complex environment can ensure better tracking accuracy and robustness.

KEY WORDS: particle filter, multi-feature fusion, color feature, edge feature, target tracking, accuracy

目 录

摘 要 I

Abstract II

第一章 绪 论 1

1.1 课题研究背景与意义 1

1.2 相关领域的国内外研究现状 1

1.2.1 视频跟踪的国内外研究现状 1

1.2.2 视频跟踪的基础核心技术 2

1.2.2.1 目标特征的提取 2

1.2.2.2 目标的跟踪算法 3

1.2.3 粒子滤波的国内外研究现状 3

1.3 论文主要工作及结构安排 3

1.3.1 论文主要工作 3

1.3.2 论文结构安排 4

第二章 粒子滤波算法基本理论 5

2.1 动态空间模型 5

2.2 贝叶斯估计理论 5

2.2.1 贝叶斯定理 5

2.2.2 贝叶斯信号处理方法 5

2.3 蒙特卡罗积分 5

2.4 序贯蒙特卡罗信号处理 6

2.4.1 序贯重要性采样 6

2.4.2 重采样技术 7

2.5 粒子滤波 7

2.5.1 标准粒子滤波算法 7

2.5.2 粒子滤波的缺陷 8

第三章 算法的具体实现 9

3.1 实验平台 9

3.2 目标跟踪基本框架确定 9

3.3 视频帧读取 9

3.4 目标特征提取 10

3.4.1 颜色特征提取 10

3.4.2 边缘特征提取 12

3.5 多特征融合 14

3.6 粒子滤波跟踪 15

3.6.1 粒子初始化 15

3.6.2 粒子重采样 15

3.6.3 粒子集演化 16

3.6.4 观测值计算 16

3.6.5 目标位置输出 17

第四章 实验结果与分析 18

4.1 单一特征与多特征跟踪效果对比 18

4.2 粒子采样数对跟踪效果影响 20

4.3 复杂环境跟踪效果检测 22

4.3.1 目标未被遮挡的复杂环境 22

4.3.2 目标被遮挡的复杂环境 22

结 论 24

致 谢 25

参考文献（References） 26

绪 论

课题研究背景与意义

近几十年来，得益于计算机的计算分析能力的大大提高，信息技术的迅猛发展，视频目标跟踪技术在诸如安全与监控系统、交通控制系统、定位导航系统、三维重构、增强现实等领域得到了广泛应用，成为了视觉研究领域的热点课题^[1]。在最活跃的视频监控领域，涵盖了诸如社区和重要建筑的安防系统、城市交通及高速公路等监控系统、军事目标的监测监控系统等多方面；在视觉导航领域，地面智能机器人，无人驾驶飞机以及水下机器人等都需要视频跟踪实现系统导航；三维重构领域中，基于视频图像序列的目标三维重建成为了数字图书馆、人机交互、医疗诊断等的应用的关键技术，例如，医疗三维建模可以对患者病情做出更准确诊断，虚拟试衣可以在电子商务、服装零售商等领域为客户提供真实的试衣体验。

视频目标跟踪，是指对视频图像序列中的特定目标进行检测、提取、识别和跟踪，获得目标的位置、轨迹、运动趋势等，实现对特定目标的识别和行为理解。主要包括目标的特征提取、检测和跟踪三个阶段。其中目标检测和目标特征提取是对目标先验信息的充分分析和设计的过程。目标跟踪阶段即是根据设计的算法进行目标状态估计的过程^[2]。常用的视觉特征有颜色特征、边缘特征、纹理特征等。描述颜色特征的常用方法是颜色直方图，这种非参数化的表示方法计算方便，便于统计且具有较强的抗图像变换和旋转能力。而边缘特征具有抗光照变化的优点^[4]。通常单一特征无法描述完整的目标信息，所以选取多特征进行组合可以弥补单一特征自身的缺陷和局限性，是一种较为合理的方法。

剩余内容已隐藏，请支付后下载全文，论文总字数：26626字