视频多运动目标跟踪定位技术研究

摘要

本文以道路上运动的小汽车为研究对象，对视频运动目标跟踪算法进行了深入的研究。 本文首先对运动目标跟踪技术进行了系统的综述，介绍了目标跟踪的主要应用、跟踪算法的国内外研究与发展现状，并分析了运动目标跟踪的基本原理。 阐述了相关跟踪原理并进行了仿真实验。采用了基于最小平均绝对差值函数的相关跟踪算法，实现了对道路上运动小汽车的跟踪。仿真实验结果表明，基于最小平均绝对差值函数的相关跟踪算法能够改善相关跟踪过程中的跟踪窗口偏离目标问题，能很好的跟踪目标。针对固定模板的局限性，接着研究了一种基于模板更新的互相关跟踪算法，仿真实验结果表明此种算法的跟踪结果优于基于最小平均绝对差值函数的相关跟踪算法。 将粒子滤波理论应用于视觉跟踪领域，描述了基于粒子滤波方法的跟踪框架。接着将相关跟踪算法纳入到粒子滤波跟踪框架，得到了一种基于粒子滤波的相关跟踪算法。仿真实验结果表明，与基于最小平均绝对差值函数的相关跟踪算法相比，此算法能有效地克服障碍物的遮挡问题，提高了跟踪的鲁棒性。 卡尔曼滤波是最小均方误差准则下的估计问题，可用来进行目标运动估计。本文分析了卡尔曼滤波的基本原理，讨论了卡尔曼滤波跟踪模型，并以此为基础构建了一种基于卡尔曼滤波的道路目标跟踪算法，把跟踪对象从单个运动小汽车扩展到两个。仿真实验结果表明此算法能有效地对多运动目标进行跟踪。

目录

文摘

英文文摘

声明

第1章 绪论

1.1课题研究的背景与意义

1.2目标跟踪算法研究与发展现状

1.2.1基于检测的跟踪方法

1.2.2基于识别的跟踪方法

1.3本文的主要内容

第2章 基于最小绝对差值函数的相关跟踪算法研究

2.1运动目标跟踪的原理

2.2目标跟踪特征的选取

2.2.1目标特征分类

2.2.2目标特征提取

2.3特征匹配算法

2.4相关跟踪原理及其仿真

2.4.1模板匹配算法的基本思想

2.4.2目标模板的描述

2.4.3相关值的计算

2.4.4目标的运动模型

2.4.5匹配量的搜索

2.4.6仿真实验结果与分析

2.5基于最小平均绝对差值函数的相关跟踪算法及仿真

2.5.1目标的先验知识

2.5.2匹配准则

2.5.3运动模型的选取

2.5.4匹配量的搜索

2.5.5跟踪实验结果与分析

第3章 基于模板更新的互相关跟踪算法研究

3.1模板匹配的局限性

3.2模板匹配的改进

3.3基于模板更新的互相关跟踪算法

3.3.1互相关匹配算法

3.3.2运动目标质心计算

3.3.3运动轨迹的拟合

3.4跟踪实验结果与分析

第4章 基于粒子滤波的相关跟踪算法研究

4.1粒子滤波与视觉跟踪

4.1.1粒子滤波器

4.1.2粒子滤波与视觉跟踪

4.2基于粒子滤波的相关跟踪算法

4.2.1相关跟踪的目的

4.2.2目标的先验知识

4.2.3系统状态转移

4.2.4系统观测

4.2.5后验概率计算

4.2.6粒子重采样

4.2.7算法流程

4.3跟踪实验结果及分析

4.4本章小结

第5章 基于卡尔曼滤波的目标跟踪算法研究

5.1基本估计问题

5.1.1问题的公式表示

5.1.2最小均方误差准则下的线形估计

5.2卡尔曼滤波及跟踪模型

5.2.1 Kalman滤波器

5.2.2卡尔曼滤波跟踪特征值的计算

5.2.3运动估计模型

5.2.4目标特征匹配

5.2.5模型更新

5.3算法仿真

5.4实验结果分析

结 论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致 谢