鉴于粒子滤波目标跟踪的应用前景,本书对复杂场景下粒子滤波单目标跟踪和多目标跟踪的一些关键技术进行了研究。在参考国内外学者研究方法的基础上,根据近几年的研究成果,较系统地论述了传统粒子滤波目标跟踪算法存在的缺陷;对噪声干扰、光照变化、目标与背景色彩相近、姿态变化、遮挡、相机抖动、多目标等视频场景的复杂性进行了分析,研究了不同场景下采用不同目标特征模型对粒子滤波单目标跟踪性能的影响;提出了自动感知和捕捉运动目标的自适应检测算法,以及基于多特征融合的粒子滤波多目标跟踪方面的理论及应用技术。
样章试读
目录
- 目录
第1章 绪论1
1.1课题研究背景、目标及意义1
1.2国内外研究现状3
1.2.1目标跟踪方法3
1.2.2粒子滤波目标跟踪研究现状及存在的问题5
1.3本书主要工作及结构8
1.3.1本书主要工作8
1.3.2本书结构10
第2章 粒子滤波理论基础11
2.1引言11
2.2状态空间模型11
2.3贝叶斯估计理论12
2.4蒙特卡罗方法13
2.5重采样14
2.6相似性度量15
2.7粒子滤波目标跟踪框架15
2.7.1粒子滤波算法15
2.7.2算法步骤17
2.8本章 小结18
第3章 不同场景下不同特征模型粒子滤波目标跟踪性能分析19
3.1引言19
3.2复杂场景描述20
3.3特征描述与提取21
3.3.1颜色特征22
3.3.2纹理特征24
3.3.3角点提取29
3.3.4特征描述方法31
3.4不同场景下不同特征模型粒子滤波目标跟踪性能分析32
3.5实验结果分析33
3.6本章 小结53
第4章 复杂场景多特征融合粒子滤波单目标跟踪55
4.1引言55
4.2 SMBP纹理模型56
4.2.1 MBP纹理模型56
4.2.2 SMBP纹理模型57
4.2.3目标跟踪性能分析58
4.3复杂场景多特征融合粒子滤波单目标跟踪59
4.3.1目标模型60
4.3.2多特征融合60
4.3.3算法步骤61
4.4实验结果分析63
4.5本章 小结70
第5章 复杂场景多特征融合粒子滤波多目标跟踪72
5.1引言72
5.2常用目标检测方法73
5.2.1帧间差分法73
5.2.2对称差分法73
5.2.3背景差分法74
5.3一种改进的目标检测方法75
5.4复杂场景多特征融合粒子滤波多目标跟踪79
5.5实验结果分析80
5.6本章 小结84
第6章 总结与展望85
6.1总结85
6.2展望86
参考文献88
索引93