文档介绍：万方数据
如��一如鼍筹笋��‰‘一—百瓦■—厂自适应模型更新的多特征融合目标跟踪算法李科,徐克虎,张�����础一础/∑础:波��������轧。�弧荩骸颁�‰。一������������引言�W勇瞬ǖ幕�舅枷�子��硙。�垂兰谱刺�暮笱槊芏群���自适应多特征融合观测模型�凹妆�こ萄г嚎刂乒こ滔担�本����复杂背景下的目标跟踪问题一直是研究的难点,采用一般的算法往往很难实现鲁棒的跟踪。近年来,基于粒子滤波的方法被频繁引入到视觉目标跟踪中�“��W勇瞬ㄊ且訫�����婊�D饫砺畚;�。�且恢只�诘萃票匆端构兰频耐�计;系统仿真方法,它利用一组加权随机样本来近似逼近状态的后验密度函数,适用于任何非线性非高斯系统��U庵址椒�可以融合目标的多特征信息�。�和具有鲁棒的搜索能力,而如何在粒子滤波算法的框架下设计一种融合准则实现特征的最佳融合是实现该方法鲁棒跟踪的重要因素。本文提出了一种特征自适应融合的粒子滤波跟踪方法,实时检测背景与目标特征信息之间的区分程度,同时自适应调节各个特征信息权重来适应背景的变化。实验结果验证了该方法的有效性。对于动态系统状态估计问题,假设运动方程和观测方程为���其中,≈为状态向量,≈为观测向量:地和口。分别为过程噪声从贝叶斯估计角度来看,要估计�笨痰淖刺瑉��恍枰�计算后验概率密度声�錓度函数���R阎#�敲磒�。���可以通过预测和更新两步递推得到:�;,��在得到�丑���后,就可以计算出最小均方差下的最优估计和估计方差。粒子滤波的基本思想就是利用一组从状态的后验概率密度分布��!#篒��中抽取的随机样本�戳�其中,�为归一化权值,可表示为:��目标特征的描述基于视觉图像的目标具有多种特征,如颜色特征、梯度特征、纹理特征等,如何对特征进行描述和融合是影响跟踪箅法的一个重要因素。灰度特征能很好地应对由目标尺度变化、旋转和变形带来的影响,但是它对光照变化比较敏感,容易受背用文献��提到的联合直方图来描述目标的灰度和梯度方向信摘要:针对目标在运动过程中存在遮挡、光照变化、背景因素等复杂情况下的跟踪问题,提出了一种多特征融合的跟踪算法;利用背景加权后的联合直方图来描述目标的灰度和纹理特征信息·提出一种多帧加权组合的模板更新策略,对模板特征分布进行自适应更新,基于当前粒子特征信息可信度加权设计了一种自适应特征融合观测模型,并结合到粒子滤波算法中,从而提高了跟踪算法的场景适应能力�笛榻峁�砻鳎挥牖�诘ヒ惶卣鞯乃惴ㄏ啾龋�盟惴ǖ氖视π愿�浚�苡行Ц�俑丛映【跋碌脑硕�勘辍�关键词:目标跟踪;特征融合;粒子滤波;自适应观测模型;高斯方差��,���,���������珺�����唬���琔�和观测噪声。收稿日期:��—�一�;修回日期:��—�—�。基金项目:总装备部重点科研项目�����;国防预研基金项目作者简介:李科����,男,硕士研究生,主要从事目标跟踪等方面研究。徐克虎����,男,教授,主要从事系统仿真等方面研究。��即可。假设状态变量初始概率密��一��。,�景变化的十扰,而梯度方向特征则刚好相反。因此本文考虑采文章编号:��—������—��—�中图分类号:���文献标识码:�������珹������,�������:�����.����,��������簅���≈一��#琿���。���一��。���:����