基于改进的粒子滤波算法在视频目标跟踪中的研究-控制科学与工程专业论文.docxVIP

武汉理工大学硕十学位论文摘 武汉理工大学硕十学位论文 摘 要 在非线性滤波领域，粒子滤波算法在继传统的扩展卡尔曼滤波算法和无迹 卡尔曼滤波算法之后开始得到人们的重视，并广泛应用于目标跟踪、导航制导 与控制、图像处理及故障检测等领域。粒子滤波是一种基于蒙特卡洛模拟实现 递推贝叶斯滤波的技术，利用在状态空间中传递的随机样本，对状态后验概率 密度函数进行近似，并根据蒙特卡罗估计原理估计状态值。本质上适用于任何 非高斯及非线性的情况，但是由于粒子滤波是近几年刚刚出现的一种新算法， 算法本身还不太成熟，存在着一些固有的缺陷，如粒子退化问题和计算量大和 实时性差等问题。 本论文围绕传统粒子滤波算法的上述两个缺陷，研究对粒子滤波算法的改 进算法，主要研究工作包括： 1)研究和实现了基本粒子滤波算法在目标跟踪中的应用。阐述了粒子滤波 算法的基本理论知识、重要性函数和重采样技术，详细叙述了粒子滤波的算法 流程，初步形成了粒子滤波算法的理论框架，并在这一理论框架下，将粒子滤 波的基本算法应用于视频目标跟踪，实现了基于粒子滤波算法的目标跟踪。 2)研究了K均值聚类算法的基本理论知识，同时针对本课题的实际情况， 对该算法进行了相应的改进，并将改进后的K均值算法应用于对最初采样的粒 子集进行聚类，将Ⅳ个粒子分配到K个聚类中心上去，为后续的计算打下基础。 3)将不变矩算法引入到粒子的选取中去，它通过选择与上一