基于卡尔曼预测和滤波的视频目标跟踪

图像处理与模式识别《基于卡尔曼预测和滤波的视频目标跟踪》报告人：****本文结合目标跟踪时的卡尔曼滤波算法，在每次完成目标状态的滤波估计后，进行卡尔曼一步预测，确定目标下一时刻可能的范围，避免下一时刻确定量测信息时对整幅图像的搜索，极大地减小计算量，提高目标跟踪的实时性和精度。最后计算机仿真实验验证文中所提方法的有效性。一、引言随着现代战争信息化和网络化的发展，以及侦查设备的发展，基于红外和可见光的视频目标跟踪得到了极大地关注和广泛的研究，在民用领域也有着广阔的应用前景，得到了国内外研究者的高度重视。卡尔曼滤波算法因为能够递推完成目标状态的最优估计，因此成为视频目标跟踪的首选算法。二、Kalman滤波•传统KF背景和推导•EKF推导传统KF背景和推导whatiskalmanfilter?•例如,对于雷达来说，人们感兴趣的是其能够跟踪目标。但目标的位置、速度、加速度的测量值往往在任何时候都有噪声。卡尔曼滤波利用目标的动态信息，设法去掉噪声的影响，得到一个关于目标位置的好的估计。这个估计可以是对当前目标位置的估计(滤波)，也可以是对于将来位置的估计(预测)，也可以是对过去位置的估计(插值或平滑)。根据贝叶斯理论推导KF根据贝叶斯理论推导KF根据贝叶斯理论推导KF根据贝叶斯理论推导KF根据贝叶斯理论推导KF根据贝叶斯理论推导KF根据贝叶斯理论推导KF根据贝叶斯理论推导KF根据贝叶斯理论推导KF根据贝叶斯理论推导KFEKF推导howtomakeithappen?...)()()(1JxfxfxfkkkEKF推导EKF推导EKF推导EKF推导三、视频目标搜索问题•HIRBOShuttleSCEADUEvo-lution50型无人机自带的单目摄像机采集的视频图像序列,该图像序列为一个从空中落下的篮球，碰到地面后反弹，再落下，直到静止，采样周期T=1s，图像分辨率为320×240。该系统模型可以表示为:•该模型以目标在视频图像中的x、y轴向的位置和速度为状态变量，以图像中的位置为观测值，进行目标信息的准确估计。四、基于一步Kalman预测的目标搜索范围确定•以预测值为圆心，以目标的半径加时间段内目标的预计运动距离为半径，确定目标搜索范围。即根据Kalman一步预测方程有:•则下一时刻目标搜索区域的中心为:当这个范围内没有找到目标时，可以将搜索半径扩大一倍继续搜索，这样就不用遍历整幅图像，极大地增加了目标搜索的效率。图中最中间圆点为目标中心的真实位置，中间圆圈为普通Kalman滤波跟踪结果，最外面圆圈为根据一步Kalman预测算法确定的目标搜索范围。从图可以看出，本文所采用的一步Kalman预测确定的目标范围，确实能够包含目标，而且极大地缩小了目标搜索的范围。五、结论•本文应用一步Kalman预测确定视频图像中目标的搜索范围，避免对全帧图像的遍历搜索，可以极大地减小目标搜索过程中的计算量，在此基础上得到目标的观测信息，再应用Kalman滤波完成目标跟踪的任务。仿真结果表明，本文所采用的Kalman一步预测和滤波相结合的目标跟踪算法，能够有效减小目标跟踪时的计算量，且具有较高的目标跟踪精度和快速性。谢谢！