基于改进Condensation滤波技术的视觉跟踪算法

1、 摘要基于Condensation滤波的改进算法摘要 近年来，基于运动目标的视觉跟踪分析在机器视觉领域中备受关注，此外，随着计算机技术发展、计算能力的快速增长和计算成本的不断降低，基于粒子滤波的Condensation算法已经成为目前研究非线性、非高斯动态系统最优估计问题的一个热点和有效方法。 一般来说，计算机视觉跟踪的过程包括对包含目标的图像序列进行目标检测、目标识别、目标跟踪，并对其运动行为进行理解和描述。运动目标的行为分析一直是视觉跟踪领域的一个技术难点。本文重点研究了运动目标的视觉跟踪算法。首先介绍了几种典型的视觉跟踪预处理方法，如全局阈值算法，区域生长，分裂合并算法，并对全局阈值算法进行了适当的改进，提高了视觉跟踪预处理的效率；接着介绍了目标的质心确定算法；然后介绍并采用了两种典型的视觉预测跟踪方法，即卡尔曼滤波预测跟踪算法和Condensation滤波预测跟踪算法，并给出了详细的实验结果与分析；最后，研究了改进的基于粒子滤波的Condensation滤波算法，文中用卡尔曼滤波器对每一个粒子滤波，产生下一个预测粒子,使得权值大的粒子更容易被采样，并和经典的Condensati

2、on算法作了实验比较。 实验结果表明，改进的基于粒子滤波的Condensation算法视觉跟踪效果要明显优于前面两种方法，在视觉跟踪领域有广泛的实用价值。 关键词: 视觉跟踪，粒子滤波，非线性，非高斯，视觉跟踪预处理，卡尔曼滤波，Condensation滤波， 改进型Condensation滤波 IAbstractAn improved algorithm based on Condensation filtering Abstract Recently, the analysis of visual tracking based on target moving has attracted more attention in the area of computer vision. Furthermore, with the improvement of calculation ability of computers and the continued reduction of computational cost, the Condensation algorithm has b

3、ecome the most popular way to study the optima estimation problems from nonlinear and Non-Gaussian dynamic system. Generally speaking,a serial sequence of finishing dynamic tracking include checking,recognition and tracking targets in the image sequences and manage to understand and depict their associated activities.However,it is always a significant technical difficulty of analyzing the target activities in computer vision area. This dissertation introduces several typical preprocessing method

4、s of visual tracking, for example, global thresholding, region growing, region splitting and Merging. Considered on this project, a mean thresholding method is suggested with its positive simulation result. Next, the centoid position is verified after visual tracking preprocessing. In order to imprve the tracking speed, this dissertation gives two kinds of typical methods of visual tracking: Kalman filtering tracking and Condensation filtering algorithm with their related experimental results an

5、d analysis. Last, an improved algorithm based on Condensation filtering suggested. The core idea is that using Kalman filter to predict the state of a particle depends on its current state.In this way, such particles associated with heavy weights can be sampled easily, and compared with the traditional condensation algorithm; the result of this method is more satisfactory. By using the Kalman filtering technique in Condensation algorithm, the satisfactory result has been achieved in simulation.

6、Because of its robust predict tracking ability, I belive this filtering algorithm will have a brilliant application future. Keywords: Visual Tracking, Particle Filtering, Nonlinear, Non-Gaussian, Kalman filtering, Condensation Filtering, Improved Condensation Filtering目录目录摘要IABSTRACTII第一章 绪论11.1引言11.2典型应用21.2.1智能监控21.2.2感知接口21.2.3运动分析21.3运动检测31.3.1背景减除31.3.2时间差分41.3.3光流41.4目标分类41.4.1基于形状信息的分类51.4.2基于运动特性的分类51.5目标跟踪51.5.1基于模型的跟踪61.5.2基于区域的跟踪61.5.3基于活动轮廓的跟踪61.5.4基于特征的跟踪71.5.5难点与发展趋势71.6本文主要研究工作及文章

7、内容安排91.6.1主要研究工作91.6.2文章内容安排9第二章 视觉跟踪预处理112.1阈值分割算法112.2全局阈值分割算法132.3串行区域分割152.3.1区域生长法152.3.2分裂合并法162.4 平均阈值分割算法18第三章 目标质心的确定233.1 引言233.2 质心确定算法233.3 质心确定过程及模拟仿真243.4 结论26第四章 基于卡尔曼滤波的视觉预测跟踪算法274.1引言274.2用于轨迹模型辨识的卡尔曼滤波器274.2.1卡尔曼滤波器274.2.2预测跟踪284.3卡尔曼滤波器建模284.3.1时间更新阶段284.3.2测量更新阶段294.4仿真结果304.4.1初始化卡尔曼滤波器的参数304.4.2结果测试314.5结论33第五章 基于改进CONDENSATION 滤波的视觉预测跟踪算法345.1引言345.2状态空间方法355.3经典算法步骤365.3.1状态模型365.3.2观察模型385.3.3密度传播385.3.4算法改进395.4仿真结果415.5结论44第六章 总结与展望456.1毕业设计总结456.2展望46致谢47参考文献48附录53第一章

8、 绪论第一章 绪论1.1引言计算机视觉（Computer Vision）分析1是近年来计算机视觉领域中备受关注的前沿方向，它是从包含目标图像序列中检测、识别、跟踪，并对其运动轨迹进行理解和描述，属于图像分析和理解的范畴。从技术角度而言，目标的运动分析的研究内容相当丰富，主要涉及到模式识别、图像处理、计算机视觉、人工智能等学科知识；同时，动态场景中运动的快速分割、目标的非刚性运动、目标之间互遮挡的处理等也为运动分析研究带来了一定的挑战。 由于目标的运动分析在高级人机交互、安全监控、视频会议、医疗诊断及基于内容的图像存储与检索等方面具有广泛的应用前景和潜在的经济价值，从而激发了世界上广大科研工作者及相关商家的浓厚兴趣，尤其在美国、英国等国家已经开展了大量相关项目的研究。例如，1997年美国国防高级研究项目署（Defense Advanced Research Projects Agency）设立了以卡内基梅隆大学（Carnegie Mellon University）为首、麻省理工学院（Massachusetts Institute of Technology）等高校参与的视觉监控重大项目

9、VSAM（Visual Surveillance and Monitoring）2，主要研究用于战场及普通民用场景进行监控的自动视频理解技术；实时视觉监控系统W43不仅能够定位目标的结构部分，而且通过建立外观模型来实现多目标的跟踪，并可以检测目标定额简单行为；英国的雷丁大学（University of Reading）4已开展了对车辆的跟踪及其交互作用识别的相关研究；IBM与Microsoft等公司也正逐步将基于视觉的手势识别接口应用于商业领域中5-6。当前，国际上一些权威期刊如IJCV（International Journal of Computer Vision）、CVIU（Computer Vision and Image Understanding）、PAMI（IEEE Trans。 on Pattern Analysis and Machine Intelligence）、IVC（Image and Vision Computing）和重要的学术会议如ICCV（International Conference on Computer Vision）、CVPR（IEEE Computer Society Conference on Computer Vision and Pattern Recognition）、ECCV（European Conference on Computer Vision）、IWVS（IEEE International Workshop on Visual Surveillance）等

《基于改进Condensation滤波技术的视觉跟踪算法》由会员桔****分享，可在线阅读，更多相关《基于改进Condensation滤波技术的视觉跟踪算法》请在金锄头文库上搜索。