CASIA OpenIR  > 毕业生  > 博士学位论文
基于粒子滤波器的目标跟踪
其他题名Object Tracking Based on Particle Filters
李少军
学位类型工学博士
导师王宏 ; 岳红
2007-05-29
学位授予单位中国科学院研究生院
学位授予地点中国科学院自动化研究所
学位专业控制理论与控制工程
关键词递归贝叶斯估计 贝叶斯目标跟踪 重要性采样分布 $t$-分布粒子滤波器 多目标视觉跟踪 混合$t$-分布粒子滤波器 Mixtures Of Particle Filters The Boosted Particle Filter 规则化的mahalanobis距离 序列重要性重采样 Recursive Bayesian Estimation Bayesian Object Tracking Is Tpf Multi-object Visual Tracking Mtpf Mpf Bpf Regularized Mahalanobis Distance Sisr
摘要目标跟踪是计算机视觉领域中的一个具有挑战性的问题。目标跟踪的任务是根据给定的目标观测序列,估计目标的时变状态。目标跟踪成功的关键在于从观测序列中有效地抽取关于目标状态的有用信息。本文研究在非刚性的视觉目标跟踪中,非线性、非高斯的离散时间递归贝叶斯估计问题。对这一问题的研究兴趣来源于通过单个摄像机跟踪单个、多个视觉目标的问题,不管背景杂物、摄像机的运动、目标之间频繁遮挡等干扰的影响。 在递归贝叶斯估计框架下,目标状态和测量被视为随机过程,在这种条件下递归估计的概念解是以观测值序列为条件的状态的后验条件概率密度函数(目标分布)的递归表达式。在实际上,非线性的递归估计的最优解通常不可能解析计算,因为它需要计算几个没有解析表达式的积分。本文描述了贝叶斯框架下的非刚性视觉目标的跟踪问题,采用序列蒙特卡罗方法数值逼近最优而又难处理的递归解,致力于获得一种高效且鲁棒的视觉跟踪方法。本文提出了两种粒子滤波器来实现非刚性视觉跟踪问题,并解决了目标数量可变的多目标之间的消失与出现以及互相遮挡问题。本论文的主要工作有: (1)本文基于多变量t分布设计了一种新的粒子滤波器:t分布粒子滤波器。这种滤波器以多变量t分布有效地逼近目标状态的预测分布和滤波分布,重要性采样分布选择为预测分布和先验分布的混合。在有限样本的条件下, t分布的最大似然估计由基于规则化的Mahalanobis距离的ECME算法计算以避免奇异值点。在单个非刚性视觉目标和机动目标跟踪实验中,比较了UKF、SISR以及SPF的跟踪性能。 (2)在非刚性的多目标视觉跟踪中,特别是在被跟踪目标的数量是随时可变的条件下,如何更新和维持目标分布的多模态性是至关重要的。本文以有限t分布混合模型逼近多模态的目标分布,设计了一种新的多目标混合跟踪方法:混合t分布粒子滤波器(MTPF)。考虑到被跟踪目标的数量是可变的,本文采用目标检测算法来判定是否有被跟踪目标离开和进入视场,并根据检测结果调整混合模型、增加或删除对应的粒子集,使得每个被跟踪目标对应一个混合分量。针对多目标之间的相互重叠,设计了局部特征检测算法确定各个目标的状态以维持跟踪的一致性。MTPF的重要性采样分布由每个目标的状态转移概率模型和预测分布的混合构成。本文采用了基于样本的相似性测量模型估计样本与参考之间的相似性。在一段实时足球比赛视频中,比较了MTPF、 MPF和BPF的跟踪性能,通过实验说明本文提出的方法的优缺点。
其他摘要Object tracking is a challenging problem in computer vision. The task of object tracking is to determine the evolving states of objects according to measurement sequences. The key to a successful object tracking depends on an effective extraction of the useful information about the object state from measurement sequences. In this thesis we study nonlinear and non-Gaussian recursive Bayesian estimation problems in discrete time. Our research interest in these problems stems from the problem of tracking non-rigid visual multi-objects with a monocular camera regardless of background clutter, camera motion and frequent mutual occlusion between targets. The main contributions of the thesis can be concluded as follows. (1) The t-distribution based particle filter (SPF) is developed in this thesis. The SPF approximates the predictive and posterior distributions by t-distribution, respectively, and the mixture of the predictive distribution and prior distribution is chosen as the importance sampling distribution. In the case of the limited samples, MLEs of t distributions are computed by the ECME algorithm based on the regularized Mahalanobis distance. In the non-rigid object tracking and maneuvering object tracking, the performances between UKF, SISR and SPF are compared. (2) In the problem of tracking multiple non-rigid objects, especially in the case that the number of visual objects varies, how to update and maintain the multi-modality target distributions is crucial. To surmount the difficulty, a multi-object mixture tracking approach is developed based on modeling target distribution as finite t-distribution mixture models, which are termed as mixtures of t-distributions particle filters (MTPF). Due to a variable number of objects, two object detection algorithms are adopted to adjust mixture distributions, and add/remove the corresponding particle subsets. The Importance Sampling distributions in the MTPF consist of the probability transition model and prediction distribution of individual objects. The similarity between the sample and the reference is evaluated by the sample-based similarity measure. Comparisons between MTPF, MPF and BPF show the advantages and limitations of the new method over the football match sequence.
馆藏号XWLW1082
其他标识符200318014602975
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/5982
专题毕业生_博士学位论文
推荐引用方式
GB/T 7714
李少军. 基于粒子滤波器的目标跟踪[D]. 中国科学院自动化研究所. 中国科学院研究生院,2007.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
CASIA_20031801460297(2538KB) 暂不开放CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[李少军]的文章
百度学术
百度学术中相似的文章
[李少军]的文章
必应学术
必应学术中相似的文章
[李少军]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。