全景視覺(jué)動(dòng)態(tài)目標(biāo)檢測(cè)與跟蹤技術(shù)研究.pdf

1、基于全景視覺(jué)的動(dòng)態(tài)目標(biāo)檢測(cè)與跟蹤，在安防監(jiān)控、輔助駕駛、現(xiàn)場(chǎng)監(jiān)測(cè)、車載巡檢、飛行器制導(dǎo)及空間機(jī)器人等方面都有直接或潛在的應(yīng)用前景，其相關(guān)檢測(cè)與跟蹤技術(shù)具有重要的研究意義。本文針對(duì)全景視覺(jué)亟待解決的一些關(guān)鍵問(wèn)題進(jìn)行深入的研究。 （1）針對(duì)全景視覺(jué)圖像畸變嚴(yán)重問(wèn)題，本文對(duì)Horn-Schunck光流技術(shù)進(jìn)行改進(jìn)，并提出基于Horn-Schunck的Gabor濾波模型，對(duì)光流圖像進(jìn)行Gabor濾波分解，在此光流子圖像上進(jìn)行分割，提取動(dòng)

2、態(tài)目標(biāo)。實(shí)驗(yàn)證明，該方法克服了傳統(tǒng)光流分割技術(shù)復(fù)雜、背景噪聲大的缺點(diǎn)，提高了動(dòng)態(tài)目標(biāo)檢測(cè)能力。 （2）為了找出最佳性能的濾波器進(jìn)行動(dòng)態(tài)目標(biāo)跟蹤，本文對(duì)多種粒子濾波算法（PF、EPF和UPF）進(jìn)行研究，采用三種進(jìn)化計(jì)算方法（PSO、GA、EP）優(yōu)化粒子濾波（PF、EPF和UPF）。提出改進(jìn)粒子群優(yōu)化PF算法（PSO_PF），使得粒子集不斷地向真實(shí)狀態(tài)靠近。并提出將改進(jìn)的粒子群算法與遺傳算法相結(jié)合（PSO_GA），或與進(jìn)化規(guī)劃算法相

3、結(jié)合（PSO_EP），全面優(yōu)化PF算法、EPF算法，避免了采用單一算法進(jìn)行優(yōu)化帶來(lái)的不足和缺陷。在此基礎(chǔ)上本文還提出采用進(jìn)化計(jì)算方法優(yōu)化EPF和UPF，包括粒子群優(yōu)化EPF（PSO_EPF），遺傳算法優(yōu)化EPF（GA_EPF），進(jìn)化規(guī)劃優(yōu)化EPF（EP_EPF），粒子群優(yōu)化UPF（PSO_UPF），遺傳算法優(yōu)化UPF（GA_ UPF），進(jìn)化規(guī)劃優(yōu)化UPF（EP_UPF）。實(shí)驗(yàn)表明本文提出的改進(jìn)算法較好地解決了粒子退化問(wèn)題，提高了估計(jì)精度