开题报告--基于卡尔曼滤波的目标跟踪算法的研究.doc

毕业论文(设计) 开题报告 题 目 基于卡尔曼滤波的目标跟踪算法的研究 二Ｏ一四 年 十二 月 二十 日 毕 业 论 文 计 1．本课题的目的及研究意义 卡尔曼滤波是一种根据时变随机信号的统计特性，对信号的未来值做出尽可能接近真值的一种估计方法。卡尔曼滤波的一个典型实例是从一组包含噪声的观察序列预测出物体的位置坐标及速度。它的广泛应用已经超过30年, 许多工程系统和嵌入式系统都需要卡尔曼滤波器最初卡尔曼滤波器是专为飞行器导航而研发的，目前已成功应用在许多领域中，比如，在雷达中，人们感兴趣的是跟踪目标，单目标的位置，速度，加速度的测量值往往在任何时候都有噪声。今年来更被应用于组合导航与动态定位，传感器数据融合、微观经济学等应用研究领域。特别是在图像处理领域如头脸识别、图像分割、图像边缘检测等当前热门研究领域占有重要地位。由于其具有实时递推、存储量小和简单易行的特点，在工程应用中受到了重视，同时卡尔曼滤波也是控制理论以及控制系统工程中的一个重要话题。 目标跟踪属于视频分析的内容，而视频分析则融合了计算机视觉研究领域的中层和高层处理阶段，即对图像序列进行处理，从而研究运动目标的规律，或者为系统的决策报警提供语义和非语义的信息，包括运动检测、目标分类、目标根性、行为理解、时间检测等。视频目标跟踪方法的研究和应用作为计算机视觉领域的一个重要分支，正日益广泛地应用到科学技术、国防建设、航空航天、医药卫生以及国民经济的各个领域。目前，目标跟踪技术已经被广泛应用于众多生活和工作领域。主要用于：电视监控，视频压缩编码，智能交通系统以及人机交互等方面。因而研究目标跟踪技术有着重大的实用价值和广阔发展前景。 2．本课题在国内外的发展和研究现状 运动目标跟踪是计算机视觉研究领域中的一个极具挑战性的课题，在过去的二、三十年中，随着计算机硬件性能的不断发展，国内外学者对各种情况下的视频序列中运动目标的检测与跟踪做了大量而深入的研究，提出了许多行之有效的方法，研究者将对单独图像的处理扩展到视频处理中,使计算机理解连贯的图像共同表达出的信息。对视频的研究使图像技术的应用范围更加广泛。很多国家的研究者都开始研究计算机视觉技术,在这个领域中,对于视频中目标跟踪技术的研究是目前重点的研究方向。各种面向复杂应用背景的视觉跟踪系统也随之大量涌现。 在初期跟踪技术主要是针对线性的高斯过程,算法会假设出跟踪系统的后验概率密度分布符合高斯分布。但是在实际情况中由于摄像机或者目标的复杂运动,实际跟踪问题不一定都符合高斯过程,这对早期的跟踪方法常常造成失败。为了解决跟踪技术遇到的非高斯非线性难题,90年代粒子滤波器开始成为新的研究方向。 Isard和Blake[iei的关于粒子滤波器的论文是第一篇计算机视觉领域的文章,被称为Condensation算法。Spenglerlii]等人提出的基于民主整合的跟踪算法。这些算法对后续运动目标跟踪技术的研究是非常有用的。还有一些应用性研究，Maryland大学开发的实时视觉监控系统通过建立外观模型实现了对多人的跟踪，可以检测和跟踪室外环境中的行人，并对他们之间简单的交互进行自动监控，而且在视觉信息方向的研究,被用于军事中无人机的控制；英国雷丁大学已经开展了对车辆和行人的跟踪及其交互作用识别的相关研究；一些国际性的企业如IBM、Microsoft等公司也正在逐步将基于视觉的手势识别借口应用到商业领域中；国外的研究还有多传感器监控，即使用多个传感器对某一地区进行协同监控，以及飞行器监控，如对分析和处理从热气球上拍摄到的视频图像。国外还有很多关于图像算法和视频研究的期刊杂志,这些杂志集中着最先进的图像技术,为图像处理技术研究者提供了参考对象,杂志的影响力也激励人们对图像处理技术方面进行研究,例如 IEEE Transaction on Image Processing,Signal Processing 等等,计算机视觉、图像处理新技术都是这些杂志期刊中很重要的内容之一。还有一些重要的国际会议, IEEE International Conference on Computer Vision, IEEE International Conferencen Image Processing等,都为图像处理、计算机视觉领域的研究人员提供了很好的交流平台。这些研究者与研究机构对该领域的技术发展作出了卓越的贡献。 我国的目标跟踪技术自1986年开始立项研究，通过近40多年的努力，我国在这一领域得到了长足发展，许多先进的图像处理与模式识别方法被应用到这个