基于粒子滤波的移动目标跟踪开题报告.docVIP

毕 业 设 计 （论文） 开 题 报 告 姓 名: 学 号： 学 院： 专 业: 课 题：基于粒子滤波的移动目标跟踪 导 师： 时 间： 1.本课题研究的目的及意义： 粒子滤波(Particle Filter, PF)是一种基于蒙特卡罗(Monte Carlo)仿真的方法，它利用状态空间的一组带权值的随机样本(粒子)逼近状态变量的概率密度函数，每个样本代表系统的一个可能状态，可以得到状态的最小方差估计。粒子滤波算法摆脱了解决非线性滤波问题时随机量必须满足高斯分布的制约条件，因此，近几年来它在计算机视觉、目标跟踪、机器学习等领域受到了广泛的关注。另外，粒子滤波器的多模态处理能力，也是它应用广泛的原因之一。 本课题主要关注粒子滤波算法在目标跟踪领域的应用，随着计算机技术的发展，人们开始利用计算机来处理数字图像，包括图像增强，图像恢复，图像检索等等，而视频中运动目标的跟踪一直是计算机视觉、图像处理和模式识别等领域非常重要的研究课题。但是传统的目标跟踪方法存在着很多的局限性与不足之处，比如对非刚性目标跟踪时如何准确提取合适的目标特征进行跟踪，以及如何应对跟踪过程中的遮挡问题和复杂背景等等，也就难以保证跟踪的实时性和有效性。然而诸如此类的问题现在可以借助基于粒子仿真的方法来解决，在动态系统的模型选择，故障检测、诊断方面，出现了基于粒子的假设检验、粒子多模型、粒子似然度比检测等方法。同时，粒子滤波较之卡尔曼滤波（Kalman Filter）等在非线性非高斯系统领域中存在的优势，也决定了它的应用范围更加宽泛。 本课题旨在通过研究深入理解粒子滤波的原理及其算法，并利用MATLAB软件的图像处理功能，成功将粒子滤波算法应用于目标跟踪领域，最终实现对视频中运动目标的准确跟踪与检测。 2. 本课题国内外同类研究现状： 基于粒子滤波极强的实用性，国内外学者对此已经进行了大量研究，提出了许多用于跟踪的有效算法。这些方法主要可以分为两类：(1) 基于运动的方法：依据某种强健的算法，把一段时间内的具有运动一致性的点归为一类，如光流法和特征点法，但是计算量较大。(2) 基于模型的方法：主要依据高层的语义表示和知识描述来完成目标的跟踪。利用目标中信息部分的不同，可分为基于目标边界、基于目标区域的方法。但由于目标本身的信息较多，如不加简化，将不可避免地带来信息匹配时的大量运算。 因此，对于实时性要求很高的运动目标的跟踪技术而言，如何选取目标的特征信息，并在可靠的前提下简化运算是目标跟踪的关键。本研究将在借鉴前人研究成果的基础上，力求一种性能有所改进的算法实现 3. 本课题研究内容： 本课题主要研究粒子滤波算法在目标跟踪领域内应用的具体原理，以及最后利用MATLAB软件的成功实现。 视频中运动目标跟踪的主要步骤是：在各帧图像中准确的检测出运动目标，然后在后续的图像序列中进行目标的定位，进而得到特定运动目标的运动轨迹。根据跟踪对象的不同，可将目标分为刚性目标和非刚性目标，非刚性目标的轮廓比较复杂、形状容易变化等，所以跟踪的难度比较大，一般跟踪方法难以准确实现。 本课题将基于粒子滤波算法实现视频中运动目标的跟踪检测，研究粒子滤波算法的具体原理，并具体深入研究将粒子滤波算法应用于目标跟踪检测时的一系列相关问题及算法。应用粒子滤波时，核心是如何把问题纳入到粒子滤波的框架中，往往很难获得准确可靠的噪声数据。针对这些情况，本研究将在以上方法的基础上进行优化创新，力求取得实质性进展。 4. 本课题的实行方案、进度及预期效果： 试用MATLAB编写滤波器程序实现。MATLAB 具有强大的计算功能和丰富的工具箱函数。它提供的图像处理工具箱，包含了许多常用的图像处理函数，支持许多图像处理操作。可方便地调用工具箱中现成的函数，把精力集中在方法的实现上而不是基础操作的编程上，从而能大大提高研究效率。 1月14日~ 2月21日 根据毕业设计选题和任务书，查阅相关资料，完成开题报告； 2月22日~3月20日 深入理解相关文献，掌握相关理论； 3月20日~ 4月9日 MATLAB软件实现相关理论； 4月10日~5月10日 总结归纳所学理论和软件实验结果，完成毕业论文的书写、修改和最终定稿； 5月11日~ 6月中旬 准备毕业论文答辩，进行毕业论文正式答辩； 预期目标：利用MATLAB软件的图像处理功能，根据粒子滤波的原理和算法，最终通过编程实现运动目标的准确跟踪检测。 5. 已查阅参考文献： 【1】张笑微，师改梅，周建雄，石头，彭定明，程红霞． 结合颜色和结构信息的粒子滤波跟踪算法［J］． 影像技术，2008，35( 10) : 1-6． 【2】 于勇, 郭雷． 基于粒子滤波的红外运动目标跟踪［J］． 计算机应用，2008，28( 6) : 15