论文部分内容阅读
论文研究的目标是解决动态多视角下目标快速准确跟踪的问题。具体可分解为以下问题：如何快速判断各动态视角中所发现的目标为同一目标?如何快速检测各视角间动态投影的偏差?如何快速抑制动态视角跟踪中的噪声?如何融合各动态视角的跟踪信息以提高系统的跟踪性能?围绕上述问题,本研究提出了一些有效的新方法：1.动态单应投影变换算法。利用多摄像头间的相对位置参数和摄像头的固定参数,在光轴辅助坐标变换的基础上快速计算各动态视角间的单应变换矩阵,这种算法可实现移动多摄像头所形成的动态视角间图像的快速动态投影变换,通过比较目标投影后的坐标可快速判断目标的同一性。2.动态投影偏差检测算法。通过使用带动态模板的尺度不变特征变换(Scale Invariant Feature Transform, SIFT)特征匹配算法对各视角间图像的动态投影偏差进行检测并补偿,以提高动态投影的精度,算法的计算区域远小于视角图像尺寸,可快速实现偏差的检测。3. Rao-Blackwellized卷积滤波(Rao-Blackwellized convolution filter, RBCF)算法。算法是对Rao-Blackwellized粒子滤波(Rao-Blackwellized particle filter, RBPF)算法的改进,以卷积核函数替代观测似然函数计算粒子权重,有效克服了RBPF在较小噪声条件下会发散的问题。RBCF滤波算法可作为动态视角目标跟踪滤波在线性/非线性条件下的快速算法。4.非线性非高斯模型的高斯和滤波(Gaussian sum filter, GSF)改进算法。通过推导状态噪声和观测噪声均为非高斯噪声、均值不为零情况下的非线性非高斯状态空间模型的高斯和递推过程,提出了改进型非线性系统高斯和滤波算法。改进算法可作为动态视角目标跟踪中非高斯非线性滤波的快速算法。5.视角跟踪信息自适应滤波算法。算法将移动多摄像头各动态视角的跟踪信息在线时空融合,可有效提高系统跟踪性能。通过引入自适应遗忘因子改善了滤波器的响应速度和估计精度。仿真结果表明本文所提出的方法能够实现动态多视角下的目标快速准确跟踪。动态投影算法可快速判断各动态视角中目标的同一性,其计算性能相对特征匹配算法具有明显优势；动态模板算法在特征匹配的效率上比原SIFT算法有明显提高,计算时间缩短了10倍以上；在小噪声条件下,RBCF的估计精度比RBPF提高约一个数量级；在同样估计精度下,改进后的GSF算法计算时间约为粒子滤波器的6%；跟踪信息时空融合算法可明显预防目标被遮蔽时的跟踪错误问题,引入自适应遗忘因子后的改进算法响应性能明显提高,精度提高约一个数量级。