基于几何主动轮廓模型的粒子滤波跟踪算法

1208计算机应用第31卷

particleallocationinparticlefilteringforvideotracking［J］．IEEETransactionsonCircuitsandSystemsforVideoTechnology，2008，18(9):1268－1279．

第775帧中，目标被一辆迎面驶来的车辆遮挡，目标姿态发生了明显变化，直到第801帧中，目标才行驶出遮挡区域，用本文提出的算法和重采样策略能够准确锁定目标，并取得了较好的跟踪效果。

在图4中，被跟踪的目标是一辆远去的车辆，由于天气变被跟踪车辆的颜色与背景颜色很相似，在第739帧化等原因，

中，目标开始模糊，在人眼视线范围内也难以分辨出图像中目标位置精度的情况下，用本文提出的算法把更新的目标轮廓信息通过重采样方法，加入到目标状态估计中，所以跟踪窗大达到很好的跟踪效果。小能够随着目标轮廓变化而变化，

由以上实验结果可以看出，本文提出的算法运用水平集函数，能够很好处理目标轮廓的变化，准确提取运动目标的角跟踪过程中，该算法可以收敛到目标真实边界，在复杂背点，

具有广泛的适应性。景下能够准确跟踪运动目标，

［8］［9］［7］［6］［4］［5］

王法胜，赵清杰．一种用于解决非线性滤波问题的新型粒子滤波算法［J］．计算机学报，2008，31(2):346－352．

OPPENHEIMG，PHILIPPEA，deRIGALJ．Theparticlefiltersandtheirapplications［J］．ChemometricsandIntelligentLaboratorySystems，2008，91(1):87－93．

KASSM，WITKINA，TERZOPOULOSD．Snakes:Activecontourmodels［C］//ProceedingsoftheFirstInternationalConferenceonComputerVision．Washington，DC:IEEE，1987:259－268．BROXT，ROUSSONM，DERICHE，etal．Colour，texture，andmotioninlevelsetbasedsegmentationandtracking［J］．ImageandVisionComputing，2010，28(3):376－390．

V模型水平集任继军，何明一．一种基于三维直方图的改进C-图像分割方法［J］．红外与毫米波学报，2008，27(1):72－76．JUNGHS，CHOS．Reliability-basedtolplogyoptimizationofgeo-metricallynonlinearstructureswithloadingandmaterialuncertain-ties［J］．FiniteElementsinAnalysisandDesign，2004，41(3):311－331．

4结语

本文将几何主动轮廓模型结合进粒子滤波框架中，针对

粒子依赖于参数选择而且不能处理目标轮廓拓扑结构的不足之处，给出基于几何主动轮廓模型的粒子滤波算法，该算法在使得重采样后的粒子最大限重采样时刻加入大量的新信息，

度地接近真实状态，提高了对非线性系统状态的估计精度，优化了粒子滤波跟踪性能。

本文仅给出了复杂环境下单目标的跟踪。将该算法运用于复杂背景下多个目标的跟踪，是本算法下一步研究内容。参考文献：

［1］

ARULAMPALAMMS，ARULANMASKES，GORDONN，etal．Atutorialonparticlefiltersforonlinenonlinear/non-GaussianBayes-iantracking［J］．IEEETransactionsonSignalProcessing，2002，50(2):174－188．［2］

DOUCETA，GODSILLA，ANDRIEUC．OnsequentialMonteCarlosamplingmethodsforBayesianfiltering［J］．StatisticsandComputing，2000，10(3):197－208．［3］

PANP，SCHONFELDD．Dynamicproposalvarianceandoptimal

［10］张波．基于粒子滤波的图像跟踪算法研究［D］．上海:上海交通

大学，2007．

［11］KSERK，BEDERC，KOCHR．Conjugaterotation:Parameteriza-tionandestimationfromanaffinefeaturecorrespondence［C］//The26thIEEEConferenceonComputerVisionandPatternRecognition．Washington，DC:IEEEComputerSociety，2008:1－8．

［12］MORELJM，YUG．Asift:Anewframeworkforfullyaffineinvari-antimagecomparison［C］//IEEEConferenceonAcoustics，Speech，andSignalProcessing．Washington，DC:IEEE，2009:1－31．

［13］裘镇宇，危辉．基于Freeman链码的边缘跟踪算法及直线段检测

［J］．微型电脑应用，2008，24(1):17－20．

［14］李超，杜赓，杨义先，等．一种最优化链码指纹二值细化图像压缩

编码［J］．计算机应用，2006，26(10):2357－2359．

（上接第1204页）

聚类过程的时间开销增长较快。今后的研究工作包括：1）采用方向、梯度等约束链码追踪过程来取代分块链码跟踪以提高提高有效性和减少线段数量；2）主元分析过程考虑点的灰度、梯度等信息，提高精确度；3）采用模糊聚类方法提高聚类的有效性与速度。

致谢：感谢浙江省大学生新苗计划对本文研究工作所提供的支持与帮助。参考文献：

［1］

DUDARO，HARTPE．UseoftheHoughtransformationtodetectlinesandcurvesinpictures［J］．CommunicationsoftheACM，1972，15(1):11－15．［2］［3］［4］

岳冬雪，黄新生．基于改进的多分辨率Hough变换的直线检测方法［J］．计算机仿真，2006，23(9):76－79．

易玲．基于分级的快速霍夫变换直线检测［J］．微计算机信息，2007，11(1):207－208．

袁广林，薛模根，李从利，等．基于相位编组图像分块的快速Hough变换直线检测［J］．计算机测量与控制，2005，13(7):647－649．［5］

郭斯羽，孔亚广，张煦芳．基于局部连通性和PCA的直线检测

［8］［9］［7］［6］

Hough算法［J］．电子测量与仪器学报，2008，22(6):70－74．胡正平，杨苏，王成儒．基于局部PCA的参数约束Hough直线分层检测［J］．系统工程与电子技术，2009，31(11):2747－2750．FREEMANH．Boundaryencodingandprocessing［C］//LIPKINBS，ROSENFELDA．PictureProcessingandPsychopictorics，Aca-demic．NewYork:［s．n．］，1970:241－266．

孙涵，任明武，杨静宇．一种快速实用的直线检测算法［J］．计算机应用研究，2006，23(2):256－260．

裘镇宇，危辉．基于Freeman链码的边缘跟踪算法及直线段检测［J］．微型电脑应用，2008，24(1):17－20．

［10］TSUDAK，MINOHM，IKEDAK．Extractingstraightlinesbyse-quentialfuzzyclustering［J］．PatternRecognitionLetters，1996，17(6):643－649．

［11］MOHANR，NEVETIAR．Perceptualorganizationforsceneseg-mentationanddescription［J］．IEEETransactionsonPatternAna-lyzeandMachineIntelligence，1992，14(6):616－635．

［12］NACKENPFM．Ametricforlinesegments［J］．IEEETransac-tionsonPatternAnalysisandMachineIntelligence，1993，15(12):1312－1318．