论文部分内容阅读
机器视觉技术是一个近年来博得广泛关注的研究课题。而作为机器视觉核心技术的视觉目标跟踪算法,更是引来了大批研究学者对其进行研究和改进,因此涌现出了很多优秀的跟踪算法。但是,随着目标跟踪环境的日益复杂化和跟踪精度要求的日益提高,人们迫切地期待能开发出在复杂环境下仍然鲁棒、实用的跟踪算法。因此本文提出了一种基于多特征的改进MeanShift与Particle Filter联合跟踪算法(改进的MSPF算法),本文的重要研究工作如下。1.结合了颜色和LBP纹理两种特征联合描述目标。在目标描述方面,通过提取颜色和LBP纹理直方图来更加精确地描述目标。在MeanShift迭代时通过加权融合、在Particle Filter阶段计算权值时则采用乘性融合方式融合颜色和LBP纹理两种特征,由于纹理特征能有效地适应光照变化,所以跟踪算法对光照具有鲁棒性。2.提出了一种改进的MSPF算法。首先总结出了MeanShift算法和Particle Filter算法的实现步骤,并指出各自在目标跟踪应用方面的优缺点,提出了算法改进的必要性。然后针对两种算法的不足之处,本文提出了一种基于多特征改进的MSPF算法,实现了两者优点的有效结合和缺陷的相互抑制。一方面,本文提出的算法框架中,Particle Filter算法抗遮挡性能良好,可以弥补MeanShift容易陷入局部最优从而导致跟踪失败的缺陷。另一方面,本文提出的改进MSPF算法一定程度上达到了抑制粒子退化问题的效果,保证了Particle Filter算法中粒子的多样性不受严重破坏。因为有一部分粒子不是从重要性分布函数中采样的,而是从MeanShift算法迭代优化后的目标位置附近区域采样得到的,这一部分粒子使得当前帧的观测值信息很好的保留了下来,弥补了重要性分布函数不能反映观测信息的缺陷。3.进行了算法仿真及性能评估。本文基于OpenCV2.0及VS2008软件环境对改进MSPF算法与其它两种最新提出的MSPF算法进行了性能对比评估,并给出了直观科学的跟踪误差曲线图来论证算法的准确率。仿真结果表明,本文算法在光照变化、遮挡等条件下优于其它两种MSPF算法,能在复杂环境下对目标进行快速、鲁棒、实时的跟踪。