（测试计量技术及仪器专业论文）基于粒子滤波的视频目标跟踪算法研究.pdf

n a n j i n gu n i v e r s i t yo f a e r o n a u t i c sa n da s t r o n a u t i c s 1 1 1 eg r a d u a t es c h o o l c o l l e g eo f a u t o m a t i o ne n g i n e e r i n g r e s e a r c ho nv i d e oo b je c tt r a c k i n g a l g o r i t h m b a s e do np a r t i c l ef i l t e r a t h e s i si n i n s t r u m e n ts c i e n c ea n dt e c h n o l o g y b y w a n g z h a o - g u a n g a d v i s e db y p r o f w a n gj i n g d o n g s u b m i r e di np a r t i a lf u l f i l l m e n t o ft h er e q u i r e m e n t s f o rt h ed e g r e eo f m a s t e ro f e n g i n e e r i n g j a n u a r y , 2 0 1 0 1 一 导下进行 注和致谢 的研究成 果，也不包含为获得南京航空航天大学或其他教育机构的学位 或证书而使用过的材料。 本人授权南京航空航天大学可以将学位论文的全部或部分 内容编入有关数据库进行检索，可以采用影印、缩印或扫描等 复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本承诺书) 作者签名：- 查p i 丝乙 功 e l 期：丝坦：至：13 非线性、非 本文重点研 目标和灰度 遮挡、旋转 以及尺度缩放条件下的跟踪问题。针对粒子滤波算法计算量大、采样效率低等问题，提出了一 种c a m s h i f t 优化的粒子滤波改进算法。该算法结合了粒子滤波算法及c a m s h i f t 算法的优点。利 用c a m s h i f t 具有迭代到局部极值点的速度快的特点，使状态转移后的粒子快速收敛到目标区域， 进而采样粒子，使采样粒子尽可能集中在目标附近，更好地描述目标状态后验概率，提高采样 效率，减小计算量。同时，算法针对相似颜色干扰问题进行了进一步处理，提出了根据目标受 干扰程度分别处理的策略。当目标周围相似颜色干扰物较小时，采取根据目标周围背景中相似 颜色比例自适应调整参与c a m s h i f t 优化的粒子数的方法。当目标周围相似颜色干扰物较多时， 采取融合目标的颜色直方图以及边缘直方图的方法来对计算粒子的权值。该方法只在目标周围 相似颜色物体比较多时使用，这样不仅节省了算法的时间，而且解决了相似颜色干扰问题，增 加了算法稳定性。实验结果表明，该算法具有很好的实时性和鲁棒性。 针对灰度视频中的灰度目标的跟踪，本文提出了一种在粒子滤波算法框架下的模板匹配新 方法。该方法将模板匹配方法与粒子滤波方法相结合，将模板匹配概率化。针对灰度分布特征 具有只能适应目标小角度旋转，小范围姿态变化的缺点，提出了主动轮廓模型更新算法。当更 新模型时，首先使用主动轮廓模型算法得到目标的轮廓信息，然后根据这个轮廓信息来合理地 更新模型。实验表明该算法能够更好地实时适应目标姿态变化、短暂遮挡等情况下进行可靠跟 踪。 关键词：贝叶斯滤波，粒子滤波，c a m s h i f l ，特征融合，相关匹配，目标跟踪 基于粒子滤波的视频目标跟踪算法研究 a b s t r a c t v i d e oo b j e c tt r a c k i n gi sa ni m p o r t a n tr e s e a r c hd i r e c t i o ni nt h ef i l e do fc o m p u t e rv i s i o n i nt h e n o n - l i n e a r , n o n - g a u s s i a ns y s t e m s ，s oi tc a r lb ea p p l i e dt ot h ef i e l do fv i d e oo b j e c tt r a c k i n g p a r t i c l e f i l t e ra l g o r i t h mc a ns t i l lm a i n t a i ng o o da n ds t a b l ep e r f o r m a n c ec h a r a c t e r i s t i c s t h i sp a p e rf o c u s e so n p a r t i c l ef i l t e r t a r g e tf o rv i d e of e a t u r e s ，i tc a nb ed i v i d e di n t og o a l sa n dg r a yc o l o rt a r g e t s ，t h ea r t i c l e f o c u so nt h e s t u d yo f t h e s et w od i f f e r e n to b j e c t i v e st r a c k i n g i nc o l o rt a r g e t s ，t h i sp a p e rt a r g e t st h ec o l o rh i s t o g r a m ，w h i c hf o c u s e so nt h et a r g e tf a s tm o v e m e n t , p a r to ft h eb l o c k , r o t a t e ，a n dz o o ms c a l eu n d e rt h ec o n d i t i o n so ft r a c k i n gp r o b l e m f o rt h el a r g ei a m o u n to fs a m p l ea n dl o we f f i c i e n c yp r o b l e mi np a r t i c l ef i l t e ra l g o r i t h m ，t h i sp a p e rp r o p o s e da c a m s h i f lo p t i m i z e dp a r t i c l ef i l t e rt r a c k i n ga l g o r i t h m t h ea l g o r i t h mc o m b i n e st h ep a r t i c l ef i l t e r a l g o r i t h ma n dc a m s h i f ta l g o r i t h ma d v a n t a g e s c a m s h i f tc a l lm a k et h ep a r t i c l e sa f l e r e dt h et r a n s f e r f a s t l ym o v et ot h et a r g e ta r e a , s os a m p l ep a r t i c l e sc o n c e n t r a t e di nt h ev i c i n i t yo ft h et a r g e tt oi m p r o v e s a m p l i n ge f f i c i e n c ya n dr e d u c et h ec o m p u t a t i o n a lc o m p l e x i t y a tt h es a m et i m e ，f o rt h es i m i l a rc o l o r i n t e r f e r e n c ep r o b l e m s ，t h ea l g o r i t h mi st of n r t h e rp r o c e s s i n g , a n dp r o p o s i n gs e p a r a t et r e a t m e n t s t r a t e g i e s w h e nt h et a r g e ts i m i l a rt ot h ec o l o ri n t e r f e r e n c ew i t hs u r r o u n d i n go b j e c t si ss m a l l ，t ot a k e d e p e n d i n go nt h et a r g e tp e r c e n t a g eo ft h es u r r o u n d i n gb a c k g r o u n do fs i m i l a rc o l o rc a m s h i f l o p t i m i z a t i o ni n v o l v e di na d a p t i v e w h e nm o r es i m i l a rc o l o rd i s r u p t o r s ，w ew i l lt a k eaf u s i o nt a r g e t c o l o ra n de d g eh i s t o g r a mm e t h o dt oc a l c u l a t et h ep a r t i c l ew e i g h t s t h i sm e t h o di so n l yu s e di nm u c h s i m i l a rc o l o ro b j e c t s ，s ot h ea l g o r i t h mc a r ln o to n l ys a v et i m eb u ta l s os o l v es i m i l a rc o l o ri n t e r f e r e n c e ， i n c r e a s i n gt h es t a b i l i t yo ft h ea l g o r i t h m t h ee x p e r i m e n t a lr e s u l t ss h o wt h a tt h ea l g o r i t h mh a sg o o d r e a l - t i m ep e r f o r m a n c ea n dr o b u s t n e s s f o rt h eg r a yv i d e ot a r g e tt r a c k i n g , t h i sp a p e rp r e s e n t san e wt e m p l a t em a t c hm e t h o di nt h e f r a m e w o r ko fp a r t i c l ef i l t e r t h i sa p p r o a c hc o m b i n e st h ec o r r e l a t i o n - m a t c h i n gm e t h o dw i t hp a r t i c l e f i l t e r f o rt h eg r a yd i s t r i b u t i o nf e a t u r e sc a no n l yb ea d a p t e dw i t ht h eg o a lo fs m a l la n g l er o t a t i o na n d t h es m a l l s c a l ec h a n g e si np o s t u r e , a c t i v ec o n t o u rm o d e lp r o p o s e dt ou p d a t ea l g o r i t h m d u r i n gt h e 叫 t e m p l a t er e f r e s h i n go ft h ec o r r e l a t i o na l g o r i t h m ，t h i sp a p e ra p p l i e st h ea c t i v em o d e lc o n t o u r s a l g o r i t h mt og e ta c c e s st ot h eo b j e c tc o n t o u r st or e a c ht h ea c c u r a t eo b j e c ta r e as o 丛t or e f r e s ht h e t e m p l a t ee x a c t l y e x p e r i m e n t a lr e s u l t sa l s od e m o n s t r a t et h i sm e t h o dc a nt r a c ko b j e c t sw h e no b j e c t p a r t - o c c l u s i o na n dv a r i o u ss h a r p ss c a l e s k e y w o r d s ：b a y e s i a nf i t e r i n g ，p a t i r c l ef i l t e r i n g , c a m s h i f t , c u ef u s i o n ，t e m p l a t em a t c h , o b j e c tt r a c k i n g 1 1 ：! ：! ：； 1 2 3 目标跟踪的方法概述3 1 3 粒子滤波的发展及研究现状5 1 4 本文的研究内容和创新点。6 1 4 1 本文的研究内容6 1 4 2 本文的创新点7 第二章粒子滤波在目标跟踪中应用分析。8 2 1 引言。8 2 2 贝叶斯滤波原理8 2 2 1 状态空间模型8 2 2 2 贝叶斯滤波原理9 2 3 粒子滤波器1 1 2 3 1 蒙特卡罗仿真1 1 2 3 2 贝叶斯重要性采样1 2 2 3 3 序列重要性采样1 4 2 3 4 退化现象1 6 2 3 5 重采样17 2 4 基本粒子滤波的视频目标跟踪框架1 8 第三章基于粒子滤波的彩色图像跟踪算法2 4 3 1 引言2 4 3 2 基于颜色特征的粒子滤波跟踪算法实现2 4 3 2 1 目标模型的建立2 4 3 2 2 彩色图像系统观测方法2 7 3 2 3 模型更新策略2 9 3 2 4 算法流程2 9 基于粒子滤波的视频目标跟踪算法研究 3 3 实验结果及分析3 0 第四章c a m s h i f t 优化的粒子滤波跟踪算法3 4 4 1 引言3 4 4 2c a m s h i f t 算法理论3 4 4 2 1m e a n s h i f t 算法3 4 4 2 2c a m s h i f t 算法3 5 4 3c a m s h i f t 优化的粒子滤波算法设计3 7 4 4 进一步提高跟踪稳定性的措施3 9 _ 4 4 1 相似颜色干扰的处理3 9 4 4 2 消除目标模型中背景像素的影响4 2 r 4 5 算法流程4 3 4 6 实验结果及分析4 5 4 6 1 目标快速运动下传统粒子滤波算法与本文算法比较。4 5 4 6 2 遮挡条件下目标实验4 5 4 6 3 综合比较实验4 6 第五章基于粒子滤波的灰度图像跟踪算法4 9 5 1 引言。4 9 5 2 基于粒子滤波的灰度目标跟踪4 9 5 2 1 跟踪灰度目标与彩色目标的差异性一4 9 5 2 2 目标模型的建立。5 0 5 2 3 灰度图像系统观测方法5 0 5 2 4 模型更新策略51 5 2 5 算法流程5 6 5 3 基于粒子滤波的灰度目标跟踪实验5 6 5 3 1 目标姿态变化跟踪实验5 7 5 3 2 部分遮挡条件下的目标跟踪实验5 7 第六章总结与展望6 1 6 1 论文工作总结6 l 6 2 展望61 参考文献6 3 致谢6 8 在学期间的研究成果及发表的学术论文。6 9 大学硕士学位论文 图3 3 图3 4 图3 5 图3 6 图3 7 图3 8 图3 9 图3 1 0 图3 1 1 图3 1 2 图3 1 3 图4 1 图4 2 图4 3 图4 4 图4 5 图4 6 图4 7 图4 8 图4 9 图4 1 0 图4 1 l 图4 1 2 图4 1 3 图4 1 4 目录 9 18 ：! ：! ：! ：! ：! ! ； ：! ( ； 图像和对应的颜色直方图2 7 用于b h a t t a c h a r y y a 系数比较的不同图像2 8 基于颜色的粒子滤波跟踪算法原理图3 0 目标跟踪系统的系统构成图3l 使用5 0 个粒子的网球实验3l 相似度b h 值变化图3 2 5 0 个粒子时算法计算时间变化曲线3 2 1 0 0 个粒子时算法计算时间变化曲线3 2 1 5 0 个粒子时算法计算时间变化曲线3 3 2 0 0 个粒子时算法计算时间变化曲线3 3 2 5 0 个粒子时算法计算时间变化曲线3 3 c a m s h i f i 优化的粒子滤波算法示意图3 7 c a m s h i f t 迭代粒子示意图3 8 用于计算a 的内外矩形4 0 目标颜色直方图的反向投影概率图4 0 s o b e l 算子4 l 去除背景影响比较图4 3 改进前后的颜色直方图4 3 本章算法流程图4 4 快速运动网球的传统粒子滤波算法与本文算法跟踪效果对比序列图4 5 不同颜色的物体遮挡目标视频序列图4 6 近似颜色的物体遮挡算法效果图4 6 本文粒子滤波算法与p f 、c a m p f 算法效果对比图4 7 不同算法的x 坐标变化图4 8 不同算法的y 坐标变化图4 8 基于粒子滤波的视频目标跟踪算法研究 图5 1候选邻域为3 x 3 邻域的情况下，控制点的一次移动5 3 图5 2采用l o g 滤波器边缘提取效果图。5 5 图5 3 目标姿态变化时主动轮廓算法得到的目标区域5 6 图5 4采用主动轮廓模型的模板更新方法的汽车视频帧5 7 图5 5目标遮挡跟踪实验图5 9 图5 6归一化积相关系数变化曲线5 9 2 8 4 8 基于粒子滤波的视频目标跟踪算法研究 注释表 略写 英文全称中文名称 p f p a r t i c l ef i l t e r 粒子滤波跟踪算法 c a m s h i f t c o n t i n u o u s l ya d a p t i v em e a n s h i f t 连续自适应均值漂移算法 a i 心 a u t o - r e g r e s s i v ep r o c e s s 自回归过程 南京航空航天大学硕士学位论文 第一章绪论 1 1 研究背景和意义 随着计算机视觉技术的迅猛发展，视频目标跟踪技术【1 1 【2 】获得了广泛的应用，成为当今最 热门的课题之一。目标跟踪技术属于视频分析的内容，即对图像序列进行处理，从而对运动目 标进行跟踪。目前，视频目标跟踪技术正广泛地应用到科学技术、航空航天、国防建设、医药 卫生以及国民经济的各个领域，有着重大的实用价值和广阔发展前景。 视频目标跟踪技术融合了图像处理、模式识别、人工智能、自动控制等多种不同领域的先 进成果。目前，许多国家都在积极发展跟踪技术及其武器装备。特别是在军事领域，红外热成 像、微光夜视、电视摄像等高新技术的出现，又大大促进了信息获取的实时性，使现代军队具 有昼夜、全天候、大范围监视和捕获目标的能力，相对越来越复杂战场电磁环境，视频目标跟 踪具有抗干扰小，不易受到电子对抗的特点，正好很好地补充。譬如，近些年来嵌入视频图像 跟踪的头盔瞄准器在军事上得到了快速发展，它在战场上除了能够向飞行员提供飞行和武器装 备的参数外，还能够提供更加清晰的战场图像以及能够跟踪标识出敌人的准确位置，并且自动 计算出攻击目标的最佳攻击角度、方向和时机。该系统目前大多装备在坦克和直升机上，少数 国家也装备在喷气式战斗机上，如美国的f - 2 2 战斗机。因此，对目标进行准确、有效的跟踪是 一项非常重要的任务【3 j 。 运动目标的跟踪包括估算目标的状态并预测、匹配更新目标。系统一般须满足三个基本要 求：鲁棒性、准确性、实时性。鲁棒性指跟踪过程必须稳定可靠，抗干扰性能好。准确性指跟 踪必须满足一定的精度【4 】。实时性指跟踪必须实时进行，测量数据的输出速率必须满足实际控 制系统的动态性能指标。而视频分析中涉及到大量数据，对跟踪算法的计算效率要求较高。因 此，要同时满足以上三点并不容易，在实际应用中往往需要综合考虑，折衷设计。很多理论， 如卡尔曼滤波，能成功解决了线性、高斯条件下的目标跟踪问题，但随着应用环境的日益复杂， 呈现出了更多高维、非线性和非高斯条件下的跟踪问题，这些理论在解决这类问题上存在着很 大的局限性，如何解决复杂环境下目标状态估计的问题，是目标跟踪研究中的一个难点【5 1 。另 外，在实际视频跟踪应用中，由于目标姿态、形状变化、遮挡、光照，背景复杂等因素的影响， 使得目标识别变得困难，影响了目标跟踪的稳定性，如何有效地解决这些情况带来的影响，是 该领域研究的另一个难点。粒子滤波方法提供了解决这一问题的一个很好的框架。本文以解决 上述难点为目标，将具有普遍意义的粒子滤波算法应用于视频目标跟踪中，并作出了算法的改 进，力求得到一种鲁棒性好、精确性高、性能优越的运动目标跟踪算法。 基于粒子滤波的视频目标跟踪算法研究 1 2 目标跟踪综述 1 2 1 目标跟踪研究现状 视频目标跟踪技术是一个迅速发展的研究领域，国内外学者对图像跟踪算法进行了大量的 研究，每年都有大量的研究成果涌现【6 】【7 1 。国外的一些大学( 如斯坦福大学、剑桥大学、卡内基 梅隆大学、瑞典皇家工学院、多伦多大学等) 都设有专门的计算机视觉课题研究组，对图像跟踪 进行专项研究，并且将这些研究成果应用到实际场合中。美国国防高级研究项目署设立了以 c a r n e g i em e l l o n 大学牵头，麻省理工大学等高校参与的视觉监控重大项目v s a m ( v i s u a l s u r v e i l l a n c ea n dm o n i t o r i n g ) ，主要研究在战场及民用场景中进行监控的自动视频理解技术。 美国b o s t o n 大学和m a r y l a n d 大学研制的应用于高速公路上汽车的实时视觉系统，该系统采用 颜色、边缘和运动信息来识别和跟踪道路边界、车道和其它车辆等。由m a r y l a n d 大学研制的实 时视觉监控系统是一个对人及其肢体行为进行实时处理的系统，它不仅能够检测和跟踪人体的 运动，而且可以通过建立外观模型来实现多人的跟踪，还可以检测人是否携带物体等简单行为。 此外，英国雷丁大学( u n i v e r s i t yo fr e a d i n g ) 开展了对车辆和行人的跟踪及其交互作用识别的 相关研究。英国敦提大学计算机视觉研究组也开展了人体跟踪研究。同时，国外一些权威期刊 刊载了大量目标跟踪方面的论文。如a d o u c e t 等人发表基于序列重要性抽样( s i s ) 的粒子滤 波的通用描述并证明了当抽样粒子足够多时，粒子滤波算法是收敛的，对视频目标跟踪产生重 要的影响。 国内许多大学和研究所也投入了大量的精力致力于视频图像跟踪的研究【8 】【9 l 。如清华大学 人机交互与媒体集成研究所在人脸跟踪、人体姿势识别、视觉监控、唇形跟踪等方面取得了众 多科研成果；北京自动化研究所模式识别国家重点实验室在交通场景监控、人体跟踪、智能轮 椅手势导航等领域进行了深入研究；复旦大学电子工程系图像与智能实验室用独立元分析和统 计方法进行图像挖掘、目标跟踪、图像匹配等研究；南开大学软件学院、中国科学院机器人学 开放实验室对“多移动机器人系统捕获运动目标的协调策略”进行了研究。上海交通大学模式 识别与计算机视觉实验室、微软亚洲研究院视觉计算组、北京先进人机通信技术联合实验室、 华中科技大学、哈尔滨工业大学、西安交通大学等都在视频图像跟踪领域做了大量的工作并取 得了许多科研成果。同时，国内一些权威期刊( 如计算机学报、软件学报、自动化学报) 刊载 发表了大量视频目标跟踪方面的论文。候志强等人【1 0 】在自动化学报上对图像跟踪技术作了综述 性论述，对跟踪技术的发展和现状进行了较为全面的回顾。总的说来，当前对运动目标理论和 跟踪问题的研究尚处于对于特定问题设计特定方法的阶段，许多系统对场景复杂目标变化多样 的自适应能力较差，常常只适合于背景较简单、目标变化较小或者特定的一些工作场合，而当 目标发生变化或者背景较复杂时它们常常会遇到很大的困难，甚至失去作用。因此，如何有效、 2 南京航空航天大学硕士学位论文 可靠地跟踪目标，如何在目标发生变化或受到干扰的情况下跟踪目标，如何在目标受到遮挡情 况下跟踪目标是目前目标跟踪研究中的主要问题。 1 2 2 目标跟踪的应用 计算机性能的提高，存储设备成本的大幅下跌，传感器技术的发展以及广阔的市场前景等 因素使得图像跟踪技术得到了广泛的应用。主要体现在以下几个应用场合： 1 ) 场景监控【1 1 】【1 2 l ：智能视频监控系统通过处理摄像机拍摄的视频序列，来对被监控场景 中的目标进行跟踪，并在此基础上分析和判断目标的行为，从而能对银行、商店、停车场等场 景的监视，防止偷盗、破坏行为的发生。并对异常情况及时做出反应，保障社会的安全。 2 ) 自主导航1 3 】：自主机器人需要跟踪环境中的目标，从而完成一定的任务。如跟踪道路 上的特征和其它运动车辆的自主导航车辆。 3 ) 交通监控【1 4 】：对公路交通流量的检测，收集公路场景交通数据，从而达到监控道路的 作用。 4 ) 人机交互【1 5 】：传统的人机交互是通过计算机键盘和鼠标进行的。然而人们期望计算机 具有智能，能够以自然的方式与人交流。实现这一目标的可能方式之一是使计算机具有识别和 理解人的姿态、动作、手势等能力，目标跟踪是完成这些任务的关键一步。 5 ) 人体跟踪和行为识别【1 6 j ：目标跟踪是实现这些任务的重要一个环节，如基于步态的人 的身份识别。 6 ) 军事领域：在靶场内探测、捕获试验中的飞机、导弹等目标并跟踪测量它们的轨迹和 姿态；战场机器人自主导航，头盔瞄准器，无人机着降，靶场光电跟踪；各种高技术武器系统 的模拟训练器中对模拟目标的跟踪测量等等。 因此研究运动目标的跟踪具有非常重要的意义，尤其在某些人无法参与或者工作量太大的 场合，研究智能化的交互系统是必然的趋势。 1 2 3 目标跟踪的方法概述 图像跟踪是一个不断发展的研究方向，由于新方法的不断产生，其它学科方法的不断引入， 因此对于图像跟踪算法的分类没有确定的标准。这里介绍几类常见的视频目标跟踪算法： 1 基于运动检测的目标跟踪算法 基于运动检测的目标跟踪算法是通过检测运动目标所对应区域的变化来跟踪目标的。主要 的方法有：背景差分法【17 1 、帧问差分法【1 8 1 和光流法1 1 9 1 ，其中背景差分法是将当前帧图像与背景 图像进行差分从而提取运出动目标，此方法简单准确但对于背景模型的依赖程度很大；帧间差 分法则是对连续帧序列进行差分，得到两帧图像中运动物体的相对位置变化，从而提取出运动 目标，优点是简单，速度快，易于硬件实现。但它无法得到目标的精确形状，并且对于缓慢运 3 基于粒子滤波的视频目标跟踪算法研究 动的物体不敏感，而且只适合于静止背景，为了适应动态背景，必须对摄像机运动补偿后再差 分；光流法根据连续几帧图像计算各像素运动的大小和方向，再通过运动场区分背景和运动目 标。当光流场计算准确的情况下该方法是可取的，但在实际应用中由于噪声、多光源、阴影、 透明性和遮挡等因素的影响，使得光流场分布并不可靠，而且多数光流法计算复杂，时间开销 大，很难进行实时处理。 2 基于相关匹配的目标跟踪算法 基于相关匹配的目标跟踪算法首先建立一个目标模板作为识别和确定目标的依据，计算候 选图像与目标模板的相关值，在图像序列中搜索出与目标模板最相似的区域为新的目标区域。 首先得到包含目标的模板，模板通常为略大于目标区域的矩形，也可为不规则形状。其次在后 面的图像帧中，运用相关算法跟踪目标。模板匹配跟踪技术，其出发点就是对图像的外部特征 直接做匹配运算，与初始选定的区域匹配程度最高的就是目标区域。选择何种特征作为匹配运 算的对象一直是人们的研究热点。当图像帧之间变化较小，假设目标区域做平移运动，或采用 自适应窗口，通过优化某些匹配标准可以跟踪初始选定的图像区域。这种算法的优点在于当目 标未被遮挡时，跟踪精度高，跟踪稳定。但缺点是费时，当搜索区域较大时情况尤其严重。最 后，算法要求目标变形不大，且不能有太大遮挡，否则相关精度下降会造成目标的丢失。 3 基于主动轮廓的目标跟踪算法 基于主动轮廓的跟踪算法由k a s s 等人于1 9 8 7 年提出，其基本思想是利用封闭的曲线来 表达运动目标，该可变形曲线就称为s n a k e 主动轮廓模型 2 0 1 。模型由若干个受控点组成，在 曲线变形和运动过程中通过寻找最小能量，逐渐由初始位置向目标特征靠拢，从而产生连续平 滑的轮廓，其中内部能量控制动态轮廓的连续性和光滑性，外部能量推动动态轮廓逼近目标的 特征点。基于主动轮廓的跟踪方法不但考虑来自图像的灰度信息，而且还考虑整体轮廓的几何 信息，具有较高的跟踪可靠性，在目标跟踪领域应用广泛，不足之处是跟踪结果受初始化的影 响较大，局部噪声对跟踪结果也有较大影响。 4 基于特征点的目标跟踪算法 基于特征点的目标跟踪算法是利用一组具有多方向奇异性的点集来描述运动目标，以该组 特征点为模板，进行相关匹配跟踪。由于特征点分布在整个目标上，因此即使有一部分被遮挡， 仍然可以跟踪到另外一部分特征点。在基于特征点的跟踪算法中，最关键的是特征点的提取。 但是当目标发生旋转或有形变发生时，会有部分特征点消失，新特征点出现，这时就需要进行 模板更新【2 1 1 。 此外，依据目标定位所使用的方法还可以分为：确定性跟踪方法和概率跟踪方法。 确定性跟踪方法：确定性跟踪方法本质上是一个优化问题。其思想是：首先通过手动或目 标检测获得目标模板，建立评价函数来表达候选目标和目标模板的相似程度，然后利用最优化 4 南京航空航天大学硕士学位论文 评价函数的最大值，认为最大值对应的位置就是目标在图像序列中的位置。 跟踪方法：概率跟踪方法将目标跟踪转换为在贝叶斯滤波框架下推理目标状态( 如位 ) 后验概率密度的过程。首先选择状态变量，通过状态转移方程进行预测，然后利用 值对预测作出修正。当过程噪声和观测噪声都是高斯分布且状态转移方程和观测方程 时，常规的卡尔曼滤波能给出最优解；但是在实际场景中，状态方程和观测方程往往 性的，同时噪声也是非高斯的，而且状态分布是多模态的，在这种情况下，常常利用 求解后验概率密度，一个典型的方法就是粒子滤波( p a r t i c l ef i l t e r ) 。p f 不需要线 、单模态假设，特别适用于图像跟踪领域，已经成为图像跟踪的研究热点【2 2 1 瞄】。 确定性跟踪方法计算简单，但是容易受干扰的影响且不能从失败中恢复，不适合复杂场景 的跟踪，因此，确定性跟踪算法现在基本上成为了辅助跟踪方法 2 4 1 1 2 5 1 ，而不是主流研究的方法。 概率跟踪方法，特别是粒子滤波算法由于能处理跟踪场景的非线性、非高斯、多模态，特别适 合图像跟踪领域，已成为近几年的图像跟踪的热点。 粒子滤波算法其思想是利用一系列随机抽取的样本以及样本的权重来计算状态的后验概率 密度。从而实现目标的跟踪。粒子滤波算法通过状态空间模型中不断演化的具有权值的粒子来 估计目标状态，不用满足系统为线性、噪声高斯分布，适用于任何能用状态空间模型表示的非 线性系统，而本文研究的视频目标跟踪算法，目标运动的无规律性，以及场景的复杂性，使本 文处理的是非线性系统的目标跟踪问题，因此，粒子滤波算法将成为本文研究的重点，下面介 绍粒子滤波算法的发展及研究现状。 1 3 粒子滤波的发展及研究现状 在目标跟踪过程中，系统的非线性成为最优估计的主要障碍。随着计算机的处理速度和存 储量的不断增大，一种崭新的基于贝叶斯原理的序列蒙特卡罗粒子滤波器日益受到重视，已成 为研究非线性、非高斯动态系统最优估计问题的一个热点和有效方法。该方法的核心思想是利 用蒙特卡罗仿真来完成一个递推贝叶斯滤波，它使用一组具有相应权值的随机样本集合( 粒子) 来表示所需的后验密度。早在二十世纪5 0 年代，基于序列重要性采样的序列蒙特卡罗方法就 被应用于物理和统计学中。到了6 0 年代后期，该方法被引入自动控制领域。7 0 年代，已经有 大量学者对此进行了研究，但这些方法均采用普通的序列重要性采样方法，缺点是粒子随时间 推移会发生退化，上述研究始终未能解决粒子数匮乏现象和计算量制约等问题，因此未引起人们 的重视。直到1 9 9 3 年，g o r d o n z 6 l 等将重采样技术引入到粒子滤波中，在一定程度上解决了序 列重要性采样的退化问题，并由此产生了重采样粒子滤波算法，之后在此基础上又提出了如多 项式重采样算法【2 7 1 ，分层重采样算法，残差重采样算法【2 引，系统重采样算法f 2 9 1 等方法，这些改 进使得粒子滤波方法得以进一步发展。另外，为了获得更好的重要性密度，先后提出了辅助粒 5 基于粒子滤波的视频目标跟踪算法研究 子滤波方法【3 们，扩展卡尔曼粒子滤波方法【3 ，无迹粒子滤波方法【3 2 】等一系列有效的方法。为了 解决重采样带来的粒子耗尽问题，又进一步在粒子滤波中引入了马尔可夫链蒙特卡罗移动步骤， 同时随着密度估计理论的发展，使用连续密度进行重采样的正则粒子滤波【3 2 】方法也相继被提 出。作为一种对非线性动态系统进行实时推理的数学工具，粒子滤波器对估计隐含目标状态的 后验概率分布提供了一种很好地解决方法，因其具有灵活、易于实现、并行化等特点使得粒子 滤波器成为应用统计学、信号处理、自动控制、人工智能、机器学习等领域新的研究热点，但 作为一门新兴学科，粒子滤波器中仍有许多关键问题仍没有得到根本解决，目前对粒子滤波器 技术的研究主要集中在提高粒子滤波器的性能、不断扩展其应用领域和多种滤波方法相结合等 三个方面问题： 1 提高粒子滤波器的性能 粒子滤波器技术研究的关键是提高粒子滤波器的估计性能【3 3 1 。影响其性能的主要问题包括 权值退化【3 4 1 ，粒子耗尽，粒子数的选择，粒子滤波的收敛，重要性函数的选择【3 5 l 以及粒子滤波 器如何有效解决高维状态空间，如何自适应确定执行过程中所需的粒子数目等问题。 2 扩展粒子滤波器的应用领域 粒子滤波器技术己在众多领域受到越来越广泛的重视，但其应用领域仍需不断拓展。同时， 为了提高粒子滤波算法的运算速度和鲁棒性，研究粒子滤波的硬件实现方法尤为关键。粒子滤 波硬件实现的基本思想是：将粒子滤波划分为初始采样、重采样、状态更新等不同过程，利用 流水线实现分时并行处理。b r u n t 3 6 1 等提了出粒子滤波的并行结构算法，但是要实现实用化的粒 子滤波器还有很多工作要做。 3 多种滤波方法相结合的问题 虽然粒子滤波能有效解决非高斯、非线性系统的滤波问题，但由于其算法运算的实时性问 题以及状态初始概率选取问题，使粒子滤波的实际性能还不能完全满足工程需求。根据系统不 同阶段体现的不同统计特性，将粒子滤波与其他滤波方法相结合，利用滤波器的各自优势，来 提高滤波精度和计算效率，是实际问题中采用粒子滤波方法的又一研究方向。 1 4 本文的研究内容和创新点 1 4 1 本文的研究内容 本文主要研究了复杂背景下基于粒子滤波的单个视频目标的跟踪。全文主要研究内容如下： 1 ) 针对视频目标跟踪的特点，重点研究了基于贝叶斯估计原理的粒子滤波跟踪算法，针对 粒子滤波的基本理论及存在的问题，阐述了粒子集的退化现象以及粒子的重采样和重要性函数 的选择并对其进行了分析。最后给出了粒子滤波算法用于视频目标跟踪的通用流程。 2 ) 本文在对视频目标可以分为彩色目标和灰度目标的基础上，针对彩色视频目标进行了粒 6 南京航空航天大学硕士学位论文 子滤波跟踪算法研究，利用了目标的颜色直方图特征进行目标跟踪。主要研究了算法的实时性。 3 ) 针对基于粒子滤波的彩色视频目标跟踪过程中存在的算法速度慢，粒子采样效果差等问 题，提出了一种基于c a m s h i f t 优化的粒子滤波改进算法，算法利用了目标的颜色直方图特征， 结合了c a m s h i f t 算法的优点，加入了当前观测信息，使粒子更好地采样于目标周围，提高了 粒子效率，节省了算法的时间。同时当目标周围有相似颜色物体干扰时做了特殊处理，能够克 服相似颜色干扰对目标跟踪的影响。最后对目标发生尺度变化、遮挡以及快速机