多目標跟蹤粒子濾波概率假設密度目標檢測VIPER碩士論文

1、視頻圖像序列中運動人體跟蹤方法研究電路與系統(tǒng)， 2011， 碩士【摘要】 近年來,世界范圍內(nèi)的公眾安全問題日益突出,自動視頻監(jiān)控在國防安全、航空航海、醫(yī)療衛(wèi)生、敏感地點等軍事和民用的各個領域得到了廣泛研究和應用。視頻目標跟蹤是其中重要的研究方向之一,可以為目標分類、行為描述、視頻理解提供重要線索,因此,該課題有重要學術意義和應用價值。但是,由于光照變化、目標姿態(tài)的非線性形變、復雜背景以及目標間的相互遮擋,使得復雜環(huán)境下多目標跟蹤仍然面臨著困難,設計好的多目標跟蹤算法依然具有挑戰(zhàn)。本文首先研究了目標檢測的理論和經(jīng)典的目標檢測算法,分別用LOTS和HOG檢測算法對多目標圖像進行檢測,分析檢測結(jié)果。

2、然后研究了基于數(shù)據(jù)驅(qū)動的概率假設密度粒子濾波算法,并分別將LOTS和HOG檢測的檢測結(jié)果用于粒子濾波對視頻中多運動人體目標進行跟蹤,并對跟蹤結(jié)果進行分析。實驗發(fā)現(xiàn)該跟蹤算法過分依賴于檢測結(jié)果,目標漏檢和誤檢都會對跟蹤造成很大影響。本文提出了一種基于HOG檢測概率假設密度粒子濾波跟蹤的改進方法,該方法引入HOG檢測的中間信息,同時采用在線訓練的KNN分類器與幀間差法相結(jié)合解決漏檢和誤檢對跟蹤造成的影響,用目標檢測算法的結(jié)果來對粒子濾波的重要性函數(shù)進行更新,用跟蹤結(jié)果對檢測. 更多還原【Abstract】 In recent years, public security issues a

3、re becoming increasingly prominent in the world. Therefore, automatic video surveillance technology has been widely researched and applied in both military and civil fields, such as national defense, aviation, marine, medical and sensitive locations, and so on. Object tracking in video is one import

4、ant research hot point of automatic video surveillance and it can provide video content understanding, such as object classification and behavior analyses, wit. 更多還原 【關鍵詞】 多目標跟蹤； 粒子濾波； 概率假設密度； 目標檢測； VIPER； 【Key words】 multiple targets tracking； particle filter； target detection； Probability hyp

5、othesis density； VIPER； 摘要 3-4 Abstract 4 第一章 緒論 7-13 1.1 多目標跟蹤的研究背景和意義 7-9 1.2 多目標跟蹤的研究現(xiàn)狀及相關方法 9-12 多目標跟蹤的研究現(xiàn)狀 9 多目標跟蹤的相關方法概述 9-12 1.3 本文的主要工作和內(nèi)容安排 12-13 第二章 目標檢測的基本方法及其結(jié)果分析 13-25 2.1 引言 13 2.2 實驗數(shù)據(jù)簡介 13-14 2.3 幾種目標檢測算法 14-21 基于LOTS的檢測 14-17 基于HOG特征的檢測 17-21 2.4 實驗結(jié)果和分析 21-23 2.5 本章小結(jié) 23-25 第三章 基于數(shù)

6、據(jù)驅(qū)動的概率假設密度粒子濾波的多目標跟蹤 25-37 3.1 引言 25-26 3.2 概率假設密度濾波的原理 26-28 基于隨機集的多目標跟蹤模型 26-27 概率假設密度濾波 27-28 3.3 基于數(shù)據(jù)驅(qū)動的概率假設密度粒子濾波多目標跟蹤 28-30 3.4 基于數(shù)據(jù)驅(qū)動的概率假設密度粒子濾波的數(shù)據(jù)關聯(lián)多目標跟蹤 30-32 3.5 實驗結(jié)果及其分析 32-34 3.6 本章小結(jié) 34-37 第四章 基于HOG檢測的概率假設密度粒子濾波多目標跟蹤 37-53 4.1 引言 37 4.2 原有目標觀測模型的改進 37-38 檢測器輸出信息 37-38 檢測器的中間輸出信息 38 4.3 新生觀測模型的改進 38-43 KNN分類方法 39-42 幀間差分法 42-43 4.4 基于HOG檢測的概率假設密度粒子濾波的多目標跟蹤 43-45 4.5 目標跟蹤算法的性能評價 45-52 跟蹤算法的評估指標 45-48 實驗結(jié)