文档介绍：原创性声明本人郑重声明:所呈交的学位论文,是本人在导师指导下,进行研究工作所取得的成果。除文中已经注明引用的内容外,本学位论文不包含任何他人或集体已经发表的作品内容,也不包含本人为获得其他学位而使用过的材料。对本论文所涉及的研究工作做出贡献的其他个人或集体,均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。::学位论文作者签名日期关于学位论文版权使用授权的说明本人完全了解河北工业大学关于收集、保存、使用学位论文的以下规定:学校有权采用影印、缩印、扫描、数字化或其它手段保存论文;学校有权提供本学位论文全文或者部分内容的阅览服务;学校有权将学位论文的全部或部分内容编入有关数据库进行检索、交流;学校有权向国家有关部门或者机构送交论文的复印件和电子版。(保密的学位论文在解密后适用本授权说明):学位论文作者签名:日期:导 师 签 名: 日期河北工业大学硕士学位论文摘 要视觉跟踪是计算机视觉领域的最重要分支之一,被广泛地应用于军事、民用领域,是当今研究的一个热点。跟踪问题在根本上是滤波和预测问题。本文从基本的粒子滤波算法框架出发,对算法进行了深入的学习和研究,结合跟踪实际问题,对其进行了局部优化和改进。首先介绍了粒子滤波的原理、特性以及在视觉跟踪中的应用;其次,对另一种跟踪算法——均值漂移,进行了简单的介绍,该算法经典的寻优特性将被应用在粒子框架中;接下来,对目标特征——颜色特征和空间特征进行研究,主要介绍两者的提取和匹配,以及在跟踪问题中的应用;针对整体遮挡和快速机动目标,提出了一种新的搜索策略;最后,结合算法优化、目标特征、搜索策略以及跟踪框架,得到最终的跟踪算法,最后,通过仿真实验对改进算法进行分析和验证。下面详细介绍本文具体的研究内容和成果。针对粒子滤波算法计算量大和粒子退化问题,提出将Mean-Shift算法植入到观测后,对粒子进行位置及其权值的自适应范围的聚类,提高粒子描述目标的质量,避免传统粒子滤波聚类的权值信息的丢失,改善粒子分布情况,以此作为减少粒子数目和规范重采样范围的前提;以粒子距目标估计中心距离为直径的圆形区域作为收敛区域,提高了粒子质量,优化了粒子集合。研究了基于空间特征的目标跟踪的实现和应用。进行了简单场景下RGB颜色空间的粒子滤波算法的跟踪,针对空间直方图计算量大的问题,提出了一种直方图简化算法,即只对候选模板和目标模板同时非零的对应区间进行计算,通过实验分析对比算法的有效性。针对严重遮挡和快速机动小目标的跟踪问题,本文提出了一种搜索策略,当遮挡和目标丢失情况发生时,启用该策略,当目标被重新定位时再进入正常的算法循环,对粒子滤波算法估计出的近似最优结果进行Mean-Shift邻域极值搜索,提高定位精度,进而建立模型,通过巴氏系数来控制粒子数目;并用均值漂移算法的邻域搜索极值特性修正跟踪结果,用修正后的跟踪结果对比目标模板,以此时的巴氏系数作为调整粒子数和重采样范围的依据。至此,形成了一种自适应粒子数调节和重采样范围的粒子滤波算法。实验结果证明,本文算法成功的实现了多种环境下的跟踪,尤其对严重遮挡问题,有很好的鲁棒性,并对快速机动的小目标的跟踪具备较高的精度。关键字:视觉跟踪,粒子滤波,均值漂移,空间直方图,遮挡,puterVisionfiled,,whichisanalyzedexhaustivelyandthoroughly,;then,anotherclassicalalgorithm—Mean-Shiftwillalsobeintroduced,whoseparticularoptimizationfeaturewillbeusedinparticlefilteralgorithm,afterwhichfeaturesofcolorandspacewillbeintroducedseparately,includingtheirbothextractingandmatchingintheframeworkofparticlefilter;lusion,anew