基于BP神经网络的图像目标跟踪算法研究.pdfVIP

基于 BP 神经网络的图像目标跟踪算法研究 田丽平 ，王军宁 （西安电子科技大学，西安 710071） 摘 要： 以卡尔曼滤波及预测为主要算法的跟踪过程需要对目标的运动方程有准确了解而且要求系统的 过程与测量噪声为高斯噪声且相互独立，这在实时跟踪过程中都是很难满足的。本文利用神经网络对非线性 系统的强学习能力和容错性，能更好地克服上述算法的主要缺点，并与卡尔曼滤波器和相关匹配算法相结合 的跟踪算法进行了比较，仿真结果表明本文算法可以实现比较准确的目标跟踪，当目标运动方向发生改变时 其结果明显优于卡尔曼滤波与相关匹配结合的算法。 关键词： BP 神经网络； 目标跟踪； Kalman 滤波器 Study on Image Target Tracking Technology Based on BP Artificial Neural Network TIAN LiPing, WANG JunNing (xidian university, xi’an 710071) Abstract: The target tracking process which use Kalman filter and its upgrade model needs an accurate understand about the target’s motion equations and it also requires the systerm’s measurement noises and processing noise are Gaussian and independent which are much difficult to meet in real-time process. Neural Networks have a strong ability of studying the nonlinear systerm and a good fault tolerant. So it is put forward and designed to avoid the above inadequacys. The simulation results show that the algorithm we proposed is better than that of the Kalman filter combined with correlation matching, especially when the target’s moving direction changed. key words: BP neural network , Target tracking , Kalman Filter 1 引言 目标跟踪一直是人们关心的热点问题, 其中机动目标的“当前”统计模型以及该模型的自适应 作者简介：田丽平 (1979-) ，女，河北保定人，硕士研究生。研究方向：图像处理，神经网络图像目标跟踪。 [1] [2-3] 滤波算法得到认同并被广泛应用 。卡尔曼滤波与预测凭借其跟踪精度较高在跟踪中倍受青睐 。 把神经网络与卡尔曼滤波器结合起来也是目标跟踪的一个研究方向[4-5]，但是此种方法是以卡尔曼滤 波以及预测为主要算法的跟踪，神经网络的引入只是在目标进行机动时对此时的卡尔曼滤波器输出 参数进行调整，以适应其非线性改变，算法所固有的缺点是目标模型的动力学方程与实际运动存在 着不匹配，而且要求系统的过程与测量噪声为高斯噪声，且相互独立。本文，利用神经网络本身的 非线性性，自学习，自调整能力，不需要对目标的