论文部分内容阅读
目标跟踪是根据传感器所得到的观测数据进而对目标的位置信息以及目标的参数信息进行估计和预测的过程,在军事、航空航天、雷达导航、安防监控以及智能交通等方面有着重要的应用价值和发展前景。本文研究了基于概率假设密度滤波的多目标跟踪问题,主要工作如下:(1)针对GM-PHD滤波假设目标以及量测噪声均服从高斯分布,不能完全反应真实场景的问题,提出在PHD滤波器中引入闭偏正态(Closed Skew Normal,CSN)分布,对高斯分布进行扩展,推导出混合闭偏正态概率假设密度(The Closed Skew Normal Mixture Probability Hypothesis Density,CSNM-PHD)滤波,并进行仿真实验。结果表明,CSNM-PHD滤波综合性能优于GM-PHD滤波,可更好地跟踪目标状态和估计目标数目,且跟踪效果较好。(2)为给目标跟踪提供准确可靠的量测数据,本文针对运动目标检测中的ViBe算法易产生“鬼影”现象而造成多检,以及其对噪声、光照和动态环境适应性差的问题,提出ViBeImp算法。在背景模型初始化时,用多帧平均法给出初始背景,采用该初始背景构建初始背景样本模型。在前景检测过程中,采用背景差分法、帧差法与OTSU算法相结合给出半径阈值的自适应计算方法。同时,根据背景差分法找出运动区域,只对运动区域进行前景判断和模型更新,降低了算法的计算复杂度,并与其它几种改进算法在25个不同场景视频进行测试对比,实验结果表明,ViBeImp算法无论是视觉效果还是客观评价指标都具有优越性。(3)针对视频跟踪目标数目变化、目标状态变化及视频背景环境变化造成跟踪困难的问题,提出一种基于CSNM-PHD滤波的视频目标跟踪算法。采用ViBeImp算法获得准确可靠的目标位置和大小信息作为量测,用初始帧检测结果初始化CSNM-PHD滤波,同时将量测输入CSNM-PHD滤波的更新步骤进行更新,使得跟踪算法在复杂场景下可更准确地跟踪目标。在不同的视频场景下进行测试,并与GM-PHD滤波进行对比,实验结果表明,ViBeImp算法与CSNM-PHD滤波相结合的视频跟踪算法可处理目标数目及状态变化等情况,并可稳定且可靠地跟踪目标,实现具有鲁棒性的视频多目标跟踪。