文档介绍：烈丰茏╋狈颉ぴ学位论文基于粒子滤波的多目标跟踪算法的研究蒋恋华指导教师姓名:申请学位级别:论文定稿日期:学位授予单位:学位授予日期:甘朝晖教授武汉科技大学信息科学与工程学院答辩委员会主席:艾武教授阅人:郝国法教授级高工猼评分类号:密级:
论文作者签名:重垄望论文作者签名:亟歪玺指导教师签名:盘弛壁:武汉科技大学研究生学位论文创新性声明研究生学位论文版权使用授权声明劲.⒅!本人郑重声明:所呈交的学位论文是本人在导师指导下,独立进行研申请学位论文与资料若有不实之处,本人承担一切相关责任。日期:枷§、本论文的研究成果归武汉科技大学所有,其研究内容不得以其它单位同意学校保留并向有关部门凑铡段浜嚎萍即笱Ч赜谘芯可宦畚氖章工作的规定》执行徒宦畚牡母从〖偷缱影姹荆市砺畚谋徊樵暮徒柙模同意学校将本论文的全部或部分内容编入学校认可的国家相关数据库进行检索和对外服务。期:究所取得的成果。除了文中已经注明引用的内容或属合作研究共同完成的工作外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。的名义发表。本人完全了解武汉科技大学有关保留、使用学位论文的规定,日
武汉科技大学摘要硕士学位论文第目标跟踪技术是计算机视觉领域的一个研究分支,在军事和民用两方面都有着十分广泛的应用。粒子滤波作为一种随机性算法,常用于解决目标跟踪问题,它的本质是随机产生一定规模的粒子来估计出问题最优解。在实际应用中为了使目标跟踪算法具有更好的鲁棒性,必须产生大量的假设粒子,这必将带来巨大的计算量。与单目标跟踪相比,基于视频的多目标跟踪系统面临一个更复杂的环境,包括目标数目的不确定性、多目标的帧间关联性、多目标间的遮挡、合并与分裂等。本论文的研究目标是针对多目标跟踪系统中需要解决的多种复杂情况,设计和实现一种基于粒子滤波框架的具有一定鲁棒性、实时性的多目标跟踪算法。为了提高多目标跟踪算法的效率,本文将用于人体姿态跟踪的基于抑制免疫粒子滤波算法扩展到多目标跟踪领域,提出了一个基于抑制免疫粒子滤波的多目标跟踪算法。该算法利用免疫优化算法加快了对状态空间的搜索,同时利用目标关联矩阵,处理多目标跟踪中的遮挡问题。利用基于泊松逆梯度姆指钏惴ù硇履勘甑募觳狻J笛椴糠忠曰钐宥镅9芟赴悠敌列作为实验数据,分别对本文提出的算法和基于逆梯度变异系数亩嗉偕柘赴检测算法进行了仿真验证,并从效果和性能两方面比较了两个算法的实验结果。实验表明,本文的算法在保证跟踪精度的同时具有更好的实时性。关键词:多目标跟踪、粒子滤波、免疫优化算法、视频
,—琲甈琽甀,,猼琲甀瑃,.猼—,.
武汉科技大学目录硕士学位论文第摘里要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.多目标跟踪的研究意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯多目标跟踪的国内外现状分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯本文的主要工作及结构安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第二章图像分割⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..基于活动轮廓模型分割算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯:..赑的图像分割算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯仿真实验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第三章粒子滤波算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯粒子滤波原理概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯算法模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..仿真实验⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第四章基于抑制的免疫优化算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一免疫系统机理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一人工免疫优化算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⊙≡⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯多目标跟踪关键问题描述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯基于抑制的免疫粒