视频运动目标跟踪：改进重采样粒子滤波算法

"该资源是一篇东南大学的博士学位论文，由张涛撰写，导师为费树岷教授，专业为控制理论与控制工程。论文主要探讨了视频运动目标检测与跟踪的算法，涉及到图像处理、模式识别等多个领域的技术，并在多个实际应用场景中有广泛需求。论文分为运动目标检测和跟踪两个主要部分，分别对全局运动估计、运动补偿、运动目标提取、粒子滤波跟踪算法的优化等方面进行了深入研究。" 在视频运动目标检测方面，论文提出了一种基于全局运动估计的检测算法。针对动态场景中的运动目标检测问题，该算法首先通过边界块的投影匹配估算全局运动参数，降低计算复杂度；接着，利用高阶统计量的抗噪声特性区分背景和运动目标；最后，通过形态学运动滤波获取前景目标的掩模图像，实现精确的目标提取。 在运动目标跟踪部分，论文聚焦于粒子滤波跟踪算法的性能优化，特别是针对粒子贫化问题。粒子贫化会导致算法的描述能力下降，为此，论文提出了一种改进的重采样策略。在传统的重采样基础上，引入多样性采样步骤，通过在重采样粒子的邻域内寻找相关粒子，防止粒子过于集中，增强粒子的多样性，从而有效缓解粒子贫化现象，提高跟踪的精度和稳定性。 这篇论文为视频运动目标检测与跟踪提供了创新性的解决方案，通过改进的全局运动估计和粒子滤波跟踪算法，提高了在复杂环境下的目标检测和跟踪效果。这些研究成果对于计算机视觉领域，特别是在视频分析、监控、机器人导航等应用中具有重要的理论和实践价值。