视频中运动目标检测与跟踪算法研究——粒子滤波优化

"实验中所使用的参数-捷联惯导系统原理_陈哲" 这篇博士学位论文主要探讨了视频运动目标检测与跟踪算法的研究，作者张涛在导师费树岷的指导下，针对东南大学控制理论与控制工程专业进行了深入研究。论文的核心内容涉及两个关键部分：运动目标检测和跟踪，尤其是通过粒子滤波算法的改进来应对光照变化、背景相近颜色以及粒子贫化等问题。 在运动目标检测方面，论文提出了一种基于全局运动估计的视频运动目标检测算法。针对动态场景中由于摄像机或平台运动导致的背景变化，该算法首先通过边界块的投影匹配估计全局运动参数，再利用高阶统计量减少噪声影响，最后通过形态学运动滤波提取运动目标，从而实现对动态场景中运动目标的有效检测。 在运动目标跟踪部分，论文聚焦于粒子滤波算法的性能提升，特别是解决粒子贫化问题。作者提出了一种改进的重采样方法，通过在重采样后引入多样性环节，即在粒子邻域内寻找相关粒子并均匀分布，以防止粒子过于集中在一点，增强粒子的多样性，有效缓解了粒子贫化导致的跟踪性能下降。 实验部分，作者使用了三组包含不同复杂情况（如平移、转动、复杂背景和光照变化）的视频数据进行验证。实验对比了传统基于颜色信息的重采样粒子滤波算法与改进算法的结果，其中传统算法用蓝色椭圆表示，改进算法用红色椭圆表示。实验结果显示，改进的重采样粒子滤波算法在面对光照变化和肤色相近的背景时，能更稳定地跟踪目标，避免了错误收敛的问题。 总结来说，这篇论文为视频运动目标检测与跟踪提供了新的解决方案，尤其是在动态场景和光照变化条件下，通过创新的算法提高了目标检测的准确性及跟踪的鲁棒性。这些研究成果对计算机视觉、视频监控、机器人导航等领域具有实际应用价值。