论文部分内容阅读
视觉跟踪是当前计算机视觉领域的热点研究主题,是一项包括图像处理、模式识别、概率与统计推理、系统状态估计等多学科交叉的活跃研究主题。视觉跟踪的本质就是在视频序列中迭代搜索并确定感兴趣的具有某种显著视觉特征(比如颜色、形状,纹理、运动等)目标的位置。本文的着眼点是将视觉跟踪视为视觉目标状态动态估计问题。在贝叶斯状态估计意义下,给出了相对严格的视觉跟踪定义,并根据视觉目标状态X和观测Z的不同特性将视觉跟踪分为三种:单特征、单目标视觉跟踪,多视觉特征融合跟踪,多视觉目标跟踪。在复杂场景下,视觉跟踪通常都是非高斯、非线性的状态估计过程。粒子滤波是处理非高斯、非线性状态估计问题的有力理论工具,也是构架视觉跟踪算法的完备理论框架。本文主要在粒子滤波理论框架下探索复杂场景下这三种视觉跟踪算法框架的建立及稳健性提高问题。对于单特征、单目标视觉跟踪,主要从提高粒子滤波采样的有效性入手,研究了基于粒子滤波的单特征、单目标视觉跟踪算法及稳健性提高。对于多视觉特征融合跟踪,将民主合成思想与粒子滤波理论框架结合,并提出了一种特征生灭机制,以此构建基于粒子滤波的多视觉特征自组织融合跟踪算法。对于多视觉目标跟踪,将联合概率数据联想滤波与粒子滤波结合,构架了基于粒子滤波与联合概率数据联想的多视觉目标跟踪算法。
视觉跟踪在视频监控、视频压缩编码、机器人导航与定位、智能人机交互、虚拟现实、成像制导等方面有着广泛的应用前景。红外成像制导是武器装备精确化和智能化的有效途径,对维护国家安全和增强国防有着重要的意义。在红外成像制导中目标跟踪是关键技术,跟踪的精确性决定了武器系统的制导精度。在应用方面,本文主要探索基于粒子滤波的视觉跟踪算法框架在红外成像制导中的应用及其进一步提高。在红外成像制导背景下,采用基于核的概率密度估计实现红外目标灰度特征的统计描述,深入讨论了单红外目标稳健跟踪；初步探讨了多特征融合红外目标稳健跟踪和多红外目标跟踪问题,并分析指出未来工作的着眼点。
本文的创新点主要体现在:
1.在单特征、单目标视觉跟踪研究中,分析了两种卡尔曼预测采样方法(EKF预测采样和UKF预测采样)对颜色视觉跟踪的稳健性提高,并将两种卡尔曼预测采样法应用于基于粒子滤波的颜色视觉跟踪；分析了MCMC采样方法对颜色视觉跟踪的稳健性提高,提出了一种基于MCMC采样粒子滤波的颜色视觉跟踪算法。
2.在多视觉特征融合跟踪研究中,在粒子滤波理论框架下分析了两种多视觉特征融合跟踪实现途径,通过视觉跟踪实验结果证明粒子滤波是实现多视觉特征融合跟踪的有效理论框架；分析了基于民主合成算法的多视觉特征自组织融合跟踪算法,通过视觉跟踪实验验证基于民主合成的自组织融合算法是实现多视觉特征融合的有效途径；在此基础上,讨论将民主合成思想与粒子滤波理论框架结合,提出了一种基于粒子滤波的多视觉特征自组织融合跟踪算法。为了降低多视觉特征融合跟踪的计算复杂度、提高算法实时性,提出一种特征生灭机制,以此构建一个有效的多视觉特征自组织融合跟踪框架。
3.讨论联合概率数据联想滤波与粒子滤波的结合,将基于粒子滤波与联合概率数据联想结合应用于多视觉目标跟踪。通过复杂场景下多视觉目标跟踪实验验证了该多视觉目标跟踪算法的有效性。
4.针对红外成像制导特性,在标准粒子滤波理论框架下分析了红外目标跟踪及稳健性提高,提出了一种基于标准粒子滤波的红外目标稳健跟踪方法；从提高采样的有效性入手,提出了基于EKF预测采样粒子滤波的红外目标稳健跟踪方法。初步探讨了多特征融合红外目标稳健跟踪与多红外目标跟踪,并通过跟踪实验验证了其有效性。