论文部分内容阅读
大规模群体运动行为是自然界中一个壮观而神奇的现象,如我们常见的鸟群、鱼群与昆虫群等,此外,还有我们难以肉眼观察的微生物群与细菌群等。这些现象吸引了各个领域的科学家,他们提出了多种研究方法,从不同的角度分析这一现象。获取自然界群体运动中的每一个个体的运动数据,对正确认识大规模群体运动至关重要。然而,传统的生物学研究方法只能获取单个个体或少量个体运动数据,难以有效的模拟真实群体的运动行为。随着计算机领域的迅速发展,利用多台性能优良的成像设备,结合计算机视觉技术,在不干扰群体运动行为的同时获取其运动的数据已成为可能,并受到越来越多研究人员的关注,成为当前计算机视觉领域的一大研究热点。利用计算机视觉技术获取大规模群体三维运动轨迹的一般方法,是通过多台性能优良并精确同步的成像设备,从不同视点拍摄研究对象,并根据图像信息通过投影几何关系,获取目标三维运动轨迹。然而,由于群体中通常包含成百上千个个体,且多数个体具有相似的外形与纹理,很难利用基本图像纹理特征的物体检测算法对其进行匹配。并且,由于视角与视野的影响,目标可能被其他个体频繁遮挡或者暂时离开,这对获取群体较长时间段内的三维运动轨迹带来了极大的挑战。再次,由于个体数量庞大,导致计算量增长较快,从而由进行实验至输出三维轨迹的时延较长,需要若干个小时才能完成计算。针对这些困难,本论文提出了一种适用于大规模粒子群的三维运动轨迹重构算法,能够自动、准确并快速的获取粒子群中个体的三维运动轨迹。本论文在利用两个成像设备从不同视点拍摄运动群体外,引入了第三台成像设备从不同于前两个视角的第三视角作为验证视点同步拍摄运动群体。验证视点所获取的图像信息能够提供更多的极线约束,有效的减少立体匹配错误,从而显著的提高立体匹配正确率,过滤错误匹配对,极大的减少了计算量。并且,本论文采用了基于状态预测及候选对过滤的最优分配算法对同一目标相邻时刻三维空间位置进行匹配。在状态预测中,采用卡尔曼滤波对目标的下一时刻三维空间位置进行预测,减少了由于目标受到遮挡或者暂时离开导致的轨迹断裂问题。实验证明,本论文提出的方法能够准确的获取模拟粒子群的三维运动轨迹,并且能够在数十秒内获取上百只果蝇的真实三维运动轨迹。如何通过获取的数据,对群体行为进行定量的分析,也是本论文的重点之一。