基于多特征融合的粒子滤波跟踪算法研究

• 作 者: 刘同飞
• 机 构: 兰州理工大学
• 出 处: 兰州理工大学
• 发表日期: 2017年01期
• 关键词: 目标跟踪 粒子滤波 不确定因子 均值漂移 特征融合

目标跟踪作为计算机视觉领域的一个不断发展的研究方向,涉及了模式识别、人工智能、图像处理以及机器视觉等诸多领域相关技术。由于目标跟踪领域的不断研究,它在诸多领域得到广泛的应用,如城市安防、智能交通、卫星发射、人机交互等。因此,众多优秀的学者和研究机构参与到目标跟踪领域的研究当中,并且提出许多优良的跟踪算法。粒子滤波跟踪算法因为其在处理非线性、非高斯系统时,有着良好的特性而被广泛用于目标跟踪。传统的粒子滤波算法只采用单一特征描述目标,在目标自身变形、遮挡以及光照变化等因素干扰的情况下,很难快速精确的跟踪目标,而且由于长时间的跟踪,误差不断积累,导致跟踪窗发生偏移,最终目标丢失。通常会利用多特征融合的方法来提高粒子滤波的跟踪性能。本文主要完成以下工作:针对单一特征的粒子滤波目标跟踪算法在复场杂景中跟踪目标不佳的问题,提出一种多特征融合的粒子滤波跟踪算法。算法选取颜色特征和纹理特征来描述目标,颜色特征对目标旋转和尺度变化不敏感,处理遮挡问题性能较好,但容易受光照影响,纹理特征对光照变化不敏,抗遮挡性不好,两个特征在跟踪过程中可以互补,同时通过特征的不确定因子自适应的调整特征的融合系数。并且将均值漂移算法融入到粒子滤波框架中,通过其收敛作用,将样本粒子尽可能的收敛到包含目标真实位置。同时,在跟踪过程中,根据目标跟踪的准确程度的变化情况自适应更新粒子集数量,增强算法对环境的适应性。实验结果表明,本文提出的算法在复杂场景中以及受到遮挡时,仍能准确地跟踪目标,且具有良好的鲁棒性和实时性。