基于粒子滤波的目标跟踪算法浅析

所做的工作是利用粒子滤波理论解决目标跟踪所面临的技术问题。首先介绍粒子滤波中的两种重要算法:贝叶斯理论和蒙特卡罗方法,接着在此基础上详细阐述基于粒子滤波的目标跟踪算法。     

一类基于信息融合的粒子滤波跟踪算法

本文提出了一种基于图像多特征信息融合的粒子滤波跟踪算法.该算法利用颜色柱状图描述运动目标颜色分布信息,帧间差的梯度图像描述目标运动信息,并在柱状图框架下给出了运动目标颜色和运动似然模型,保证了颜色和运动似然模型在尺度上的统一.由于图像多特征提供了运动目标多方面的测量信息,从而提高了算法的可靠性.试验表明该算法在使用相同粒子数目的情况下较采用单一颜色特征的粒子滤波跟踪算法效果好.     

基于改进粒子滤波算法的水下目标跟踪

针对常规粒子滤波算法粒子数目保持不变的问题,提出了一种可以自适应调整粒子数目的改进算法。该算法将KL距离(Kullback-Leibler Divergence,KLD)引入粒子滤波重采样过程,保证在一定的滤波精度下,可以有效地调整滤波过程中使用的粒子数目,从而实现了滤波过程中粒子数目的自适应。将该算法应用于纯方位水下目标跟踪,仿真结果表明,该方法有效地改善了滤波效果,计算量低,适合于实际应用。     

基于多特征CamShift优化的粒子滤波跟踪

提出了一种将粒子滤波和CamShift相结合的多特征视觉跟踪方法.通过CamShift对粒子的位置和尺度同时进行优化,使得跟踪窗口能随着目标尺度的大小变化相应调整.同时采用自适应方式将颜色信息和运动信息在CamShift优化的粒子滤波框架下有效结合起来.该方法使用CamShift对粒子传播进行优化,每个粒子都收敛到目标附近,粒子的有效性得到提高.实验结果表明,使用10个粒子的CamShiit优化的粒子滤波的跟踪误差小于100个粒子的传统粒子滤波的跟踪误差.并且由于多特征的使用,目标在受到背景相似物体干扰和场景光线发生显著变化等情况下仍能实现稳定的跟踪.用较少的粒子就能实现稳定的跟踪,减少了计算代价,提高了跟踪的鲁棒性.     

一种基于运动检测的粒子滤波跟踪方法

针对传统粒子滤波的建议分布没有利用到当前观测信息的不足,本文提出了一种基于运动检测以改进建议分布的粒子滤波跟踪方法.该方法利用系统的状态转移密度分布,结合目标当前时刻的运动信息共同决定目标的先验分布.首先从一阶自回归的状态转移模型中生成部分粒子,然后采用单高斯背景建模进行局部运动检测,在检测到的运动区域中采样其余粒子,由此得到粒子的先验分布.用该方法分别对动态背景和存在完全遮挡情况下的运动目标进行跟踪,实验结果表明该方法有较高的跟踪精度和较强的稳定性.     

基于遗传算法的粒子滤波跟踪算法

针对粒子滤波跟踪算法中粒子多样性退化问题,将改进的遗传算法应用到粒子重采样中,改善了样本的多样性.在改进的遗传算法中,使用了多项式重采样进行优选复制;以特定区间的随机数做交换率进行样本交叉繁殖;使用了马尔可夫链蒙特卡罗移动加高斯白噪声做样本变异繁殖并使用快速MH 抽样算法选取样本.改进后的粒子滤波跟踪算法不但保持了较高的运算效率,而且还较好地提高了跟踪的稳定性.试验表明,改进后的粒子滤波跟踪算法目标跟踪更加稳定,目标定位更加准确.     

基于遗传进化策略的粒子滤波视频目标跟踪

粒子退化问题是影响基于粒子滤波视觉跟踪性能的一个重要因素,为克服这种缺陷,本文将遗传进化策略引入粒子滤波跟踪算法,利用遗传算法的选择策略,根据预定的似然阈值迭代选择每代粒子中次优个体,然后对未选中的粒子实施交叉、变异操作以获得粒子的多样性,从而有效解决了粒子的退化问题.另外,针对跟踪中目标表观变化的问题,本文提出的跟踪算法采用了多模板自适应更新技术以确保跟踪的准确性.实验结果表明,本文提出的跟踪算法能有效地跟踪室内运动目标,并对光照变化、目标姿态变化具有良好的鲁棒性.     

基于在线特征选择的粒子滤波跟踪算法

在复杂场景下,传统的粒子滤波跟踪算法较难定位目标.针对此问题,提出了一种基于在线特征选择的粒子滤波跟踪算法.该算法首先在线、自适应地通过Fisher判别准则,从16个不同的颜色特征空间中选择最能区分目标及其邻近背景的1个最佳特征空间,然后在这个最佳特征空间中用基于统计直方图的粒子滤波算法跟踪目标.试验结果表明,该算法鲁棒性和准确性较好,在光照变化.目标自身发生形变和遮挡情况下能够准确地对目标进行跟踪.     

改进的粒子滤波目标跟踪算法

针对环境迁移、目标被遮挡或姿态变化较大时传统粒子滤波算法的鲁棒性不强的问题,提出一种改进的粒子滤波目标跟踪算法。建立目标模型时,将目标的HSV颜色特征和Uniform LBP纹理特征进行加权融合;粒子重采样过程中,采用加权随机采样方法,将粒子权值作为重采样的影响因子而非决定因子,以提升粒子多样性,降低粒子衰退对目标跟踪的影响;目标被干扰时,采用卡尔曼滤波对目标位置进行偏移校正,以获取目标正确位置;最后采用模板更新策略对目标模板进行实时更新。实验结果表明：相较于传统粒子滤波算法和CMT算法,本文算法对复杂环境中目标被遮挡和姿态变化的情况下都具有较好的鲁棒性。     

基于在线学习的自适应粒子滤波视频目标跟踪

传统的粒子滤波视觉跟踪算法采用固定模型和大量粒子表征目标后验概率,不能满足复杂条件下的视频目标实时跟踪.为了提高跟踪的鲁棒性和稳定性及计算效率,本文提出将自适应状态演化方程和在线增量学习观测似然模型嵌入到粒子滤波算法;并采用在线自动调整粒子数目的策略,提高粒子滤波视觉跟踪的计算效率.室内外实验结果表明,文中提出的视觉跟踪算法不仅能准确、高效地跟踪序列图像中的运动目标,而且对光照、姿态变化引起的目标表观变化具有良好的鲁棒性.     

Traffic Sign Recognition Method Integrating Multi-Layer Features and Kernel Extreme Learning Machine Classifier

Traffic sign recognition (TSR), as a critical task to automated driving and driver assistance systems, is challenging due to the color fading, motion blur, and occlusion. Traditional methods based on convolutional neural network (CNN) only use an end-layer feature as the input to TSR that requires massive data for network training. The computation-intensive network training process results in an inaccurate or delayed classification. Thereby, the current state-of-the-art methods have limited applications. This paper proposes a new TSR method integrating multi-layer feature and kernel extreme learning machine (ELM) classifier. The proposed method applies CNN to extract the multi-layer features of traffic signs, which can present sufficient details and semantically abstract information of multi-layer feature maps. The extraction of multi-scale features of traffic signs is effective against object scale variation by applying a new multi-scale pooling operation. Further, the extracted features are combined into a multi-scale multi-attribute vector, which can enhance the feature presentation ability for TSR. To efficiently handle nonlinear sampling problems in TSR, the kernel ELM classifier is adopted for efficient TSR. The kernel ELM has a more powerful function approximation capability, which can achieve an optimal and generalized solution for multiclass TSR. Experimental results demonstrate that the proposed method can improve the recognition accuracy, efficiency, and adaptivity to complex travel environments in TSR.     

结合水平集和粒子滤波的人脸轮廓跟踪

针对视频序列中的人脸轮廓跟踪问题,提出了一种将改进水平集方法引入到粒子滤波框架中的轮廓跟踪算法.此算法使用零水平集函数对人脸轮廓进行表示,通过水平集函数的演化对人脸轮廓进行逼近.为了解决人脸遮挡问题,将形状先验加入到演化过程中来约束曲线的演化.算法在粒子滤波的框架下可以同时跟踪人脸区域的仿射运动和人脸轮廓的形变.实验结果表明,所提出的'方法可以对人脸轮廓进行精确的跟踪,并对外界的光照变化,背景干扰,人脸部分遮挡有较强的鲁棒性.     

一种新型自动激光经纬仪引导跟踪方法

针对传统电子经纬仪需要人眼瞄准读数,测量效率低下且测量精度易受瞄准误差影响的问题,本文提出一种新型的自动激光经纬仪系统,无需人眼瞄准即可实现经纬仪系统自动瞄准测量.该方法采用精密二维转台和高分辨率相机代替人眼,利用TM5100A的马达驱动功能将经纬仪的望远镜指向相机视场范围,实现引导跟踪功能.然后,再进一步识别并瞄准视场内的目标,完成对目标的识别和测量过程.本文主要就该系统中的跟踪引导算法进行了研究和分析.仿真和实验结果表明,该引导方法效率高,实用性强,能够较好地实现相机对经纬仪激光点的准确引导,保证了经纬仪测量系统的引导精度.     

基于视觉显著性的灰色粒子滤波跟踪方法

针对传统的粒子滤波算法在目标运动状态突然改变时(如突然加速、减速或者转弯等)容易发生目标丢失的问题,提出了一种基于视觉显著性的灰色粒子滤波跟踪算法。该算法根据灰度预测模型来预测产生建议分布,实现对粒子的繁殖和传播,同时根据调节因子的优化计算,对灰度预测模型的待定系数进行自适应调节,并通过局部显著性检测对低相似度粒子进行快速筛除提高跟踪精度和计算效率。实验结果表明,该跟踪算法能够有效提升粒子滤波的目标跟踪能力。     

驾驶员对交通标志认知水平的试验研究

交通标志是道路交通系统的重要组成部分,在管制、引导交通流方面起着举足轻重的作用。本研究旨在探究各类交通标志在真实环境中的使用效果;本文通过城市道路实车试验和问卷调查相结合的试验方法,对驾驶员在日常驾驶中使用标志的情况和标志的认知水平进行了考察;研究认为,驾驶员对城市道路中设置的交通标志总体上是信赖的,并且,随着驾驶经验的积累,驾驶员对标志认知水平也在不断提高。     

Improved VGG Model for Road Traffic Sign Recognition

Road traffic sign recognition is an important task in intelligent transportation system. Convolutional neural networks (CNNs) have achieved a breakthrough in computer vision tasks and made great success in traffic sign classification. In this paper, it presents a road traffic sign recognition algorithm based on a convolutional neural network. In natural scenes, traffic signs are disturbed by factors such as illumination, occlusion, missing and deformation, and the accuracy of recognition decreases, this paper proposes a model called Improved VGG (IVGG) inspired by VGG model. The IVGG model includes 9 layers, compared with the original VGG model, it is added max-pooling operation and dropout operation after multiple convolutional layers, to catch the main features and save the training time. The paper proposes the method which adds dropout and Batch Normalization (BN) operations after each fully-connected layer, to further accelerate the model convergence, and then it can get better classification effect. It uses the German Traffic Sign Recognition Benchmark (GTSRB) dataset in the experiment. The IVGG model enhances the recognition rate of traffic signs and robustness by using the data augmentation and transfer learning, and the spent time is also reduced greatly.     

中国城市道路指路标志典型版面布局导航绩效研究

目的对5款典型的省会城市指路标志导航绩效进行工效学评价,并确定其存在的问题。方法 34名大学生被试参与完成5款指路标志版面布局的道路关系判断与道路走向判断两类实验任务。结果 5款指路标志任务绩效无显著差异,任务正确率介于32%~38%,具体任务分析发现问题主要集中于版面两侧道路关系判断及道路走向判断,其平均正确率仅为10%和18%。结论 (1)现有5款典型版面布局导向绩效无显著差异,总体绩效均很低;(2)原因主要是路名(尤其是版面两侧路名)的布局方式对被试的道路走向判断及道路关系判读具有强烈的暗示诱导作用。