資源描述：
《序列蒙特卡羅方法及其在視頻跟蹤中的應(yīng)用研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、摘要視覺跟蹤是目前機(jī)器視覺研究領(lǐng)域的熱點(diǎn)問題，它在安全監(jiān)控，智能交通，視頻壓縮與檢索等方面有廣闊的應(yīng)用前景。視頻跟蹤系統(tǒng)以圖像序列為輸入，輸出則是圖像中目標(biāo)的各種屬性，如目標(biāo)大小，位置，速度等。在理想情況下，這些輸出信息都應(yīng)該是實(shí)時(shí)的、準(zhǔn)確的。然而，在現(xiàn)實(shí)世界中，由于各種干擾的存在，往往很難達(dá)到理想狀態(tài)。能夠遞推估計(jì)目標(biāo)狀態(tài)的濾波算法則是整個(gè)跟蹤系統(tǒng)的重要基石。近年來出現(xiàn)了一個(gè)研究非線性非高斯濾波算法的高潮。本文所做的工作就是研究一種視頻跟蹤算法，使其能夠有效地抑制現(xiàn)實(shí)世界中存在的種種干擾。本文首先回顧了卡爾曼
2、濾波算法(KalmanFiltering，KF)、擴(kuò)展卡爾曼濾波算法(ExtendedKalmanFiltering，EKF)以及Unscented卡爾曼濾波算法(UnscentedKalmanFiltering，UKF)，但更多的注意力集中在了以序列蒙特卡羅估計(jì)為基礎(chǔ)的粒子濾波算法；其次，本文對Unscented變換策略以及粒子濾波重采樣策略都進(jìn)行了研究，提出了一種基于最小偏度采樣的UPF(UnscentedKalmanParticleFiltering，UPF)算法，并且將該策略應(yīng)用于UKF算法中，以UKF
3、方法生成建議分布并從中采樣，解決了一般粒子濾波算法中以轉(zhuǎn)換先驗(yàn)密度函數(shù)作為替代分布所引發(fā)的粒子退化等問題；最后，本文提出了一種新的視頻目標(biāo)跟蹤算法，它以粒子濾波為框架，融合了觀測數(shù)據(jù)中的顏色信息與運(yùn)動(dòng)信息。理論分析和實(shí)驗(yàn)結(jié)果表明，改進(jìn)的UPF算法提高了濾波的穩(wěn)定性和精度，算法的運(yùn)行效率也提高了30％；同時(shí)，新的視頻目標(biāo)跟蹤算法有效地提高了算法的魯棒性和跟蹤的準(zhǔn)確性關(guān)鍵詞：視頻跟蹤粒子濾波器采樣策略u(píng)nscented變換unscented卡爾曼粒子濾波AbstractAsachallengingresearcht
4、opicincomputervision，visualtrackinghasalotofpotentialapplicationsinsecuritysurveillance，intelligenttrafficsystem，videocompressionandindex，etc．Imagesequencesaretheinputofvisualtrackingsystem，andthesystemreturnssomeattributes(size，position，velocityandSOon)ofth
5、eobject．Ideally,alltheinformationshouldbeoutput-tedinreal-timeandaccurately．Butinrealworld．itisveryhardtogettheidealoutputbecauseofnoises．Thefundamentalbuildingblockofatrackingsyetemisafilterforrecursivetargetstateestimation．Recentlytherehasbeenasurgeofinter
6、estinnonlinearandnon-Gaussianfilteringalgorithms．Inthisthesis，wepresentavisualtrackingalgorithmwhichcailresistnoisesinrealworld．First，somefilteringalgorithmssuchastheKalmanfiltering，theextendedKalmanfilteringandtheunscentedKalmanfilteringwerereviewedinthisth
7、esis，andthemainfocuswerethetoolsofsequentialMonteCarloestimation，refferedtoasparticlefilter．Secondly,theunscentedtransformationstrategiesintheunscentedtransformationandtheresamplingstrategisinparticlefilterwerestudiedinthisthesis，andanalgorithmcalledunscente
8、dkalmanparticlefilteringalgorithmbasedonminimalskewsamplingwasproposed．TheproposedsamplingstrategieswerethenusedintheUKFalgorithmbywhichaproposaldistributionisgeneratedanddrawssamplesfromit．Bydo
