高空远距离多目标视觉跟踪模型优化仿真

摘要

在智能跟踪建模优化问题的研究中,高空远距离的视觉目标跟踪一直是智能跟踪领域的难点.因为跟踪目标的距离较远,可追踪特征在色彩、像素灰度等方面会发生较大幅度的衰退和丢失.传统的目标视觉跟踪方法在上述情况下,会迅速丧失跟踪能力,造成目标跟踪丢失.主要因为传统算法在视频目标跟踪算法中未考虑到特征丢失带来的先验的目标信息的问题.提出一种新的目标跟踪模型.模型在跟踪过程中,像素分布的产生直接采用先验概率.引入改进的灰预测GM1模型,通过灰预测改进的GM1的预测值来产生新的建议分布,使得后验概率分布更加逼近真实目标的后验概率密度,保证弱化跟踪的强关联性.实验结果表明,与标准的粒子滤波算法进行对比试验,所提出的算法在远程高空视觉目标跟踪中具有更好的性能.