一种基于鲁棒性的计算机视觉目标跟踪算法

为解决由于大面积遮挡引起的观测模型噪声协方差增大、滤波精度和稳定性降低的问题,提出了一种有效的鲁棒遮挡视频目标跟踪方法.首先,提出了一种适应于噪声统计特性未知的无迹扩展H_∞滤波方法,将UT变换引入到适用于噪声统计特性未知的扩展H_∞滤波中取代复杂的雅克比矩阵计算,并采用生成的无迹扩展H_∞滤波优化重要性概率密度函数;然后,将遮挡引起的目标模型的变化看作是观测噪声统计特性的变化,在PF的框架内建立目标状态估计与噪声统计特性之间的关系,将粒子预测值和基于当前观测信息的估计值进行权重求和处理,通过状态和观测模型的噪声协方差自适应调整权值大小来克服遮挡情况下目标观测信息的失效问题.最后,给出了具体实现步骤.实验结果表明,该方法具有较好的跟踪精度和稳定性,即使在大面积遮挡情况下,对粒子的更新概率仍然保持在90%左右.