论文部分内容阅读
视频序列的运动目标跟踪是计算机视觉领域的核心问题，基于滤波的运动目标跟踪算法因其独特的优势被广泛应用于视频监控、机器人视觉导航以及军事制导等诸多领域。尽管人们对视觉跟踪进行了广泛和深入的研究，并提出了许多有效的解决方法，但在复杂场景下的视觉跟踪仍有许多问题有待探讨和研究。本文在重点分析粒子滤波算法和卡尔曼滤波算法的基础上，探讨了算法融合和无迹卡尔曼滤波算法中尺度因子自适应的有效性。论文的主要工作和贡献体现在以下四个方面：（1）分析了现有的跟踪算法，重点阐述了重要性采样法和粒子滤波算法，讨论了算法实现的框架和算法的优缺点。（2）为了解决粒子滤波算法计算量大，算法运行时间长的问题，提出了一种结合粒子滤波算法和mean shift算法的融合算法，用meanshift算法对目标进行初步跟踪，利用阀值对跟踪结果进行比较，当跟踪结果不理想时，执行粒子滤波算法进行跟踪，获得跟踪结果。（3）重点阐述了UKF（Unscented Kalman Filter）滤波的基本概念、推导方法、一些常用的采样策略和基本的算法，并简要分析了影响UKF滤波器性能的主要因素。（4）为了克服UKF滤波算法中人工设定尺度因子的问题，讨论了一种自适应的尺度因子调整方法。利用UKF非线性近似的预测值与真实值之间的误差来调节尺度因子，并对采样策略进行了修正，在保证算法精度的同时，提高了算法的实用性和智能性。