收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于粒子滤波框架目标跟踪优化算法的研究

孟军英  
【摘要】:在雷达跟踪制导、智能视频监控、机器人视觉等系统中,经常需要获取感兴趣目标的位置、速度、转向等状态参数,在此基础上实现对目标的运动特性分析并进一步对其进行控制。而这些参数通常只能间接地观测,而在观测过程中往往还存在噪声干扰,因此需要采用滤波的方法根据测量值和状态变量的函数关系去估计所需的状态参数,此类方法也被称为目标跟踪技术。目前,出现了很多针对不同系统的目标跟踪技术,但是在鲁棒性和实时性方面与实际系统的需求存在较大差距。因此本文以粒子滤波为框架,并针对该算法存在的粒子退化、实时性差等缺点从构建更为精准的重要性概率密度分布、提高粒子权值、降低算法计算复杂度等几个方面对基于粒子滤波的目标跟踪算法进行改进,提出了两种针对混合动态状态空间模型系统基于粒子滤波架构的目标跟踪算法,并将所提出的目标跟踪算法在基于视频图像的目标跟踪系统中进行了应用。主要研究内容如下: 首先,为了改善粒子滤波目标跟踪算法的实时性,提出了一种基于Kalman重抽样粒子滤波目标跟踪算法。利用Kalman滤波算法构建重要性分布,将最新的观测值引入到重要性分布中,从而使抽样粒子集更符合系统的真实状态。并进一步利用均值漂移聚类算法对粒子分布进行改善,使粒子进一步聚集到高后验概率区域,这样不仅提高了粒子的有效性,使估计误差减小,提高了跟踪精度,而且由于有效粒子的增加,可以适当的减少粒子数目,降低计算复杂度,算法的实时性得到了保证。 其次,为了提高系统动态空间模型的准确性,提出了一种基于联合特征的系统建模方法。利用颜色特征与目标位置参数共同建立更为可靠的系统模型,减少由于所建模型与实际系统差距大带来的估计误差。而且,通过两个参数不一致的变化可以发现错误的估计,降低由于目标位置预测误差导致的模型更新失效。 再次,在联合特征建模基础上,提出了一种基于Rao-Blackwellization边际化思想的粒子滤波目标跟踪算法,将线性变化的颜色特征从粒子滤波框架中提取出来,采用Kalman滤波技术高效解析的处理,从而在线性/非线性混合动态系统中既获得了较高的跟踪精度,并降低了计算复杂度。此外,在算法中采用核概率密度估计建立目标颜色模型,采用融合了PDA算法的卡尔曼滤波对其进行更新,使算法在发生环境亮度变化、目标遮挡等情况时,仍能够保持跟踪精度,算法的鲁棒性得到了改善。 最后,将聚类Kalman重抽样粒子滤波目标跟踪算法应用于智能交通视频监控中,以高点静态摄像头捕获的交叉路口视频图像为研究对象,实现了对视频中车辆实线并道违章行为的自动检测和标识,检出率和实时性都得到了改善。并根据目标跟踪所获得的车辆运动轨迹,对车辆在交叉路口的转向进行预测,为实现在监控摄像机网络中对车辆的接力跟踪奠定了基础。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 吴天;张胜修;颜诗源;;一种巡航导弹组合高度方案设计[J];控制工程;2007年S2期
2 郭庆;那振宇;顾学迈;;一种自相似业务量预测的卡尔曼滤波算法[J];西安交通大学学报;2009年04期
3 臧荣春;崔平远;;组合导航系统NNM信息融合算法[J];计算机工程;2005年23期
4 曲润峰;侯明善;荆晓鹏;;方差模糊自适应卡尔曼滤波及其应用[J];弹箭与制导学报;2005年S5期
5 高羽;张建秋;;小波变换域估计观测噪声方差的Kalman滤波算法及其在数据融合中的应用[J];电子学报;2007年01期
6 房秉毅;吴嗣亮;魏国华;;距离速度跟踪在矢量脱靶量测量中的应用[J];系统工程与电子技术;2007年02期
7 滕云龙;陈小平;唐应辉;;提高GPS定位精度的改进卡尔曼滤波算法研究[J];现代电子技术;2008年03期
8 赵易峰;李京华;彭京晶;许家栋;;基于修正的卡尔曼滤波自适应跟踪算法[J];计算机仿真;2008年08期
9 郑伟;张辉;王杨明;;基于BP神经网络组合导航融合算法[J];空间电子技术;2008年04期
10 程艳青;高明煜;;基于卡尔曼滤波的电动汽车剩余电量估计[J];杭州电子科技大学学报;2009年03期
11 张长春;黄英;杨刚;;卡尔曼滤波在跟踪运动目标中的应用及仿真[J];现代电子技术;2009年20期
12 董健康;许天鸿;;雷达和QAR数据的融合处理[J];测控技术;2010年06期
13 秦天宝;;基于多传感器信息融合的移动机器人定位研究[J];可编程控制器与工厂自动化;2010年11期
14 杨文;侍洪波;汪小帆;;卡尔曼一致滤波算法综述[J];控制与决策;2011年04期
15 尤优;詹智财;张松松;;一种基于SIFT特征的车辆跟踪系统实现[J];电脑知识与技术;2011年23期
16 薛申芳,孙才红,宁书年,金声震;组合大视场星敏感器自主定轨方法[J];计算机仿真;2005年06期
17 汪毅,朱振才;FPGA在微小卫星姿态控制系统中的应用[J];红外;2005年11期
18 孟中;张涛;戴明;于前洋;葛文奇;;陀螺滤波在改善伺服系统低速特性中的应用[J];压电与声光;2006年01期
19 石章松;刘忠;刘健;;一种单站纯方位目标跟踪中的线性近似化滤波算法[J];海军工程大学学报;2006年02期
20 陈大建;李飞翔;张紫浩;付欣;;卡尔曼滤波算法在目标跟踪系统建模中的应用[J];光电技术应用;2006年03期
中国重要会议论文全文数据库 前10条
1 赵汝祺;赵祚喜;赵汝准;;基于多项式卡尔曼滤波算法的车辆定位试验研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
2 韦官余;徐伯健;丁阳;;动态阿伦方差辅助的卡尔曼滤波算法在GPS/INS组合导航中的应用[A];第三届中国卫星导航学术年会电子文集——S09组合导航与导航新方法[C];2012年
3 范澎湃;王冰;;处理有色状态噪声的三段卡尔曼滤波算法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年
4 程曦;孙淑光;;基于卡尔曼滤波算法的惯导系统的初始对准[A];2007'仪表,自动化及先进集成技术大会论文集(二)[C];2007年
5 曾龙汉;代睿;黄剑;游军;;智能控制技术在无刷直流电机控制系统中的应用[A];2008’“先进集成技术”院士论坛暨第二届仪表、自动化与先进集成技术大会论文集[C];2008年
6 沈艳霞;朱嵘嘉;纪志成;;基于神经网络的Wiener系统故障检测方法[A];2005年全国自动化新技术学术交流会论文集[C];2005年
7 沈艳霞;朱嵘嘉;纪志成;;基于神经网络的Wiener系统故障检测方法[A];2005全国自动化新技术学术交流会论文集(二)[C];2005年
8 朱宁;钱伟康;郭强;;基于嵌入式XP的光谱分析系统[A];全国第一届嵌入式技术联合学术会议论文集[C];2006年
9 梅春波;秦永元;张金亮;;基于MEMS惯性器件的两种水平姿态算法比较研究[A];微机电惯性技术的发展现状与趋势——惯性技术发展动态发展方向研讨会文集[C];2011年
10 田丰;李岩;;无人机遥感图像的目标定位研究[A];第十七届中国遥感大会摘要集[C];2010年
中国博士学位论文全文数据库 前10条
1 周聪;基于非线性估计理论的线控转向汽车状态估计研究[D];西南交通大学;2012年
2 孟军英;基于粒子滤波框架目标跟踪优化算法的研究[D];燕山大学;2014年
3 杨峻巍;水下航行器导航及数据融合技术研究[D];哈尔滨工程大学;2012年
4 葛磊;容积卡尔曼滤波算法研究及其在导航中的应用[D];哈尔滨工程大学;2013年
5 王小刚;非线性滤波方法在无人机相对导航上的应用研究[D];哈尔滨工业大学;2010年
6 徐婷婷;VTS系统船舶跟踪和预测的新技术研究[D];大连海事大学;2012年
7 高宇明;基于时变参数的中国要素生产率与经济增长关系研究[D];哈尔滨工业大学;2008年
8 邢艳军;微小卫星及其编队轨道与姿态一体化确定方法研究[D];哈尔滨工业大学;2012年
9 王剑颖;航天器姿轨一体化动力学建模、控制与导航方法研究[D];哈尔滨工业大学;2013年
10 沈悦;基于导航通信多模应用的位置服务技术研究[D];中国科学技术大学;2012年
中国硕士学位论文全文数据库 前10条
1 徐红珍;基于粒子群的卡尔曼滤波算法改进和优化[D];武汉理工大学;2013年
2 吴龙龙;一致性卡尔曼滤波算法及其应用研究[D];华东交通大学;2013年
3 赵艳;自主导航滤波算法研究[D];沈阳工业大学;2012年
4 李忠良;基于神经网络的卡尔曼滤波算法研究[D];湖南工业大学;2011年
5 葛浩宇;面向室内环境的WSN跟踪关键技术研究[D];浙江大学;2012年
6 李高飞;基于非线性统计模型分析的机动车定位算法实现研究[D];南京邮电大学;2013年
7 朱永龙;基于UWB的室内定位算法研究与应用[D];山东大学;2014年
8 刘杰;附等式约束的卡尔曼滤波算法研究与应用[D];中南大学;2011年
9 刁建锋;动态压缩感知及其在雷达中的应用研究[D];西安电子科技大学;2013年
10 邹振宇;基于DSP的Kalman滤波器的算法研究[D];成都理工大学;2012年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978