基于概率假设密度滤波的图像多目标跟踪与轨迹保持方法研究

摘要

视频图像中目标检测与跟踪属于机器视觉中的前端处理部分，通过对视频图像信息进行处理，实现计算机能够代替人眼进行目标的识别与跟踪功能，一直是机器视觉和计算机视觉的最终目的。如何从图像序列中获取有用的信息作为科研人员的研究方向已成为视频图像中目标检测与跟踪的理论基础。视频图像目标检测与跟踪已大量应用于现实生活中的各种场景，在这些方面都显示出对视频图像信息处理的重要应用价值。本课题主要关注视频图像中多目标跟踪与轨迹保持方法，对图像序列进行多目标跟踪与轨迹保持等方面研究。
　　第一，在由检测到跟踪方法中，图像目标检测是进行目标跟踪的前提。使用基于图像的颜色、梯度方向和梯度幅值等基本图像特征的积分通道融合特征，结合基于boosting的决策树分类器，生成目标检测器，实现对图像目标的准确检测。
　　第二，以自顶向下的处理思路，阐述了基于贝叶斯滤波框架的目标跟踪原理。研究基于随机有限集理论的概率假设密度滤波递归算法，对算法的两种不同实现方式进行对比仿真实验，最终确定使用高斯混合PHD滤波算法来进行图像多目标跟踪。
　　第三，结合图像目标表观模型特点和高斯混合 PHD算法的应用条件，提出适合用于图像多目标跟踪的高斯混合 PHD自适应新生目标算法，通过在标准行人检测数据集上实验，验证跟踪算法的性能。
　　第四，针对 PHD滤波处理并不能实现多目标跟踪运动轨迹情况，构建图像多目标能量函数，将视频多目标跟踪问题转化为能量函数优化求解问题。把经过跟踪滤波算法处理的图像序列作为输入，进行多次迭代，实现视频图像多目标跟踪轨迹。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1课题研究内容的背景及意义

1.2国内外视频图像多目标检测与跟踪技术发展概况

1.3本论文主要研究内容和安排

第2章 基于积分通道融合特征的图像目标检测

2.1引言

2.2 相关概念与技术

2.3 基于积分通道融合特征的目标检测

2.4 检测实验及结果分析

2.5 本章小结

第3章 基于概率假设密度滤波理论的图像多目标跟踪算法

3.1引言

3.2目标跟踪滤波算法

3.3基于随机有限集多目标跟踪

3.4 PHD滤波算法仿真实验

3.5 基于概率假设密度滤波的图像多目标跟踪算法中的关键问题

3.6 本章小结

第4章 基于自适应新生目标高斯混合PHD滤波算法的图像多目标跟踪方法

4.1引言

4.2自适应新生目标高斯混合PHD滤波算法

4.3 基于自适应新生目标高斯混合PHD滤波算法的视频图像多目标跟踪

4.4跟踪实验及结果分析

4.5本章小结

第5章 基于连续能量函数最小的图像目标轨迹跟踪方法

5.1引言

5.2 能量函数

5.3 目标遮挡问题处理

5.4 能量最小化过程

5.5 实验结果及分析

5.6本章小结

结论

参考文献

致谢

附录