粒子滤波及相关算法在体育视频目标跟踪中的研究

摘要

目标跟踪是计算机视觉领域中的一个重要研究方向。研究一种鲁棒性好、精确度高、性能稳定和适用性强的目标跟踪算法依然面临巨大挑战，并且具有重要的理论意义和实用价值。体育节目因为其特有的魅力，在当今的社会中广受大众的欢迎。因此，对体育视频中目标的跟踪研究，具有很高的实际意义和商业价值。
　　本文首先叙述了贝叶斯滤波原理。接着详细阐述了粒子滤波的原理，讨论了粒子滤波算法存在的主要问题和解决办法。给出了通用粒子滤波算法的实现步骤，通过和扩展卡尔曼滤波的仿真对比实验，说明粒子滤波更适合解决非线性非高斯系统的问题。
　　对CAMShift算法的原理进行了详细的阐述，通过应用该算法对视频目标跟踪的跟踪实验，总结了该算法的优点及局限性。
　　设计开发了基于颜色特征的粒子滤波器，算法的目标模型具有自动更新的能力。给出了直方图匹配度、粒子数量和粒子传播半径之间关系的理论上的计算公式。通过对目标的跟踪实验，定量的分析了粒子数量和粒子传播半径对跟踪精度的影响，总结出了粒子数量和粒子传播半径的经验设定公式，本项工作的完成对基于粒子滤波对目标的跟踪具有重要的指导意义。
　　在上述对粒子滤波研究的基础上，提出了自适应的粒子滤波算法。该算法对目标遮挡及遮挡后的跟踪和目标丢失后的恢复跟踪进行了有效处理。同时，本算法对正常跟踪时的粒子数量进行了必要的减少，为满足跟踪的实时性提供了重要的探索。
　　对两种类型的体育视频中目标的跟踪实验证明，本文提出的自适应粒子滤波算法一定程度上满足了跟踪的鲁棒性和准实时性的要求，为体育视频的目标跟踪开辟了一条崭新的道路。

目录

粒子滤波及相关算法在体育视频目标跟踪中的研究

RESEARCH ON PARTICLE FILTER AND CORRELATIVE ALGORITHM IN OBJECT TRACKING OF SPORT VIDEO

摘要

Abstract

第1章 绪论

1.1 引言

1.2 目标跟踪问题综述

1.2.1 目标跟踪问题分类

1.2.2 目标跟踪方法

1.2.3 目标跟踪问题的难点

1.3 粒子滤波的发展及研究现状

1.4 本文的主要工作和结构安排

第2章 滤波算法及相关理论

2.1 引言

2.2 贝叶斯滤波原理

2.2.1 状态—空间模型

2.2.2 贝叶斯滤波推理

2.3 粒子滤波器

2.3.1 蒙特卡罗方法

2.3.2 贝叶斯重要性采样

2.3.3 序贯重要性采样

2.3.4 滤波发散问题及解决办法

2.3.5 粒子滤波算法的描述

2.3.6 粒子滤波的其它算法

2.3.7 利用样本集估计目标位置

2.4 扩展卡尔曼滤波

2.5 算法仿真

2.6 本章小结

第3章 颜色特征及CAMShift算法用于目标跟踪

3.1 引言

3.2 基于颜色的目标特征的选取

3.2.1 RGB色彩空间

3.2.2 HSV色彩空间

3.3 Mean-Shift算法

3.3.1 算法原理

3.3.2 颜色特征的提取

3.3.3 算法流程

3.4 CAMShift算法

3.4.1 算法思想

3.4.2 算法描述

3.4.3 算法流程图

3.5 实验结果及分析

3.5.1 摄像机静止的拍摄模式

3.5.2 摄像机运动的拍摄模式

3.5.3 实验结论

3.6 本章小结

第4章 粒子滤波在目标跟踪中的研究与实现

4.1 引言

4.2 基于颜色特征的粒子滤波对目标跟踪的实现

4.2.1 目标模型

4.2.2 运动模型

4.2.3 粒子滤波器的实现

4.3 实验结果及分析

4.3.1 无遮挡物体的跟踪情况

4.3.2 有遮挡物体的跟踪情况

4.4 本章小结

第5章 自适应粒子滤波器实现及应用

5.1 引言

5.2 粒子滤波跟踪算法相关参数的研究

5.2.1 粒子传播半径对跟踪精度的影响

5.2.2 粒子数目对跟踪精度的影响

5.2.3 对跟踪精度的综合分析

5.3 自适应粒子滤波器的实现

5.3.1 遮挡的判断及相应的措施

5.3.2 正常跟踪的判断及跟踪的优化措施

5.4 本系统在体育比赛中的应用

5.4.1 线性运动目标的跟踪

5.4.2 非线性运动目标的跟踪

5.5 本章小结

结论

参考文献

哈尔滨工业大学硕士学位论文原创性声明

哈尔滨工业大学硕士学位论文使用授权书

致谢