第七章 总结与展望_工作总结以及展望

第七章 总结与展望由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“工作总结以及展望”。

博 士 学 位 论 文

第七章 总结与展望

7.1 本文研究工作及创新点

从广义上讲，视觉跟踪就是在视频序列中递推搜索并确定感兴趣的具有某种显著图像特征（比如颜色、形状、纹理、运动等）目标的位置。从视觉跟踪机理分析，视觉跟踪过程可视为：模式搜索匹配过程或目标状态动态估计过程。本文主要的着眼点是将视觉跟踪视为视觉目标状态动态估计过程，在贝叶斯状态估计意义下给出了相对严格的视觉跟踪定义，并根据视觉目标状态X和观测Z的不同特性将视觉跟踪分为三种：单特征、单目标视觉跟踪；多视觉特征融合跟踪；多视觉目标跟踪。粒子滤波是处理非高斯、非线性状态估计问题的有力理论工具，也是构架视觉跟踪算法的完备理论框架。本文在粒子滤波理论框架下开展了该三种视觉跟踪算法研究：对于单特征、单目标视觉跟踪，从提高采样的有效性入手，讨论提高粒子滤波采样有效性的方法，进而实现单特征、单目标视觉跟踪稳健性提高；对于多视觉特征融合跟踪，主要探索如何构架一个自组织融合跟踪框架；对于多视觉目标跟踪，讨论将粒子滤波与联合概率数据联想结合问题，并将其应用于多视觉目标跟踪。在红外成像制导中红外目标跟踪是关键技术，本文将基于粒子滤波的三种不同视觉跟踪的研究成果应用于红外目标跟踪，并讨论提高红外目标跟踪性能的途径。

纵观全文，本文的主要工作和创新点可归纳如下：

1.通过对视觉跟踪机理的深入分析，将复杂场景下的视觉跟踪问题视为非高斯、非线性动态状态估计问题。系统介绍贝叶斯状态估计相关理论，引出贝叶斯滤波及实现贝叶斯滤波的两大理论工具：卡尔曼系滤波和粒子滤波。简要介绍了卡尔曼系滤波的三种滤波方法（卡尔曼滤波、扩展卡尔曼滤波和Unscented卡尔曼滤波）的相关理论和算法。重点介绍了粒子滤波的理论框架、收敛性问题以及粒子滤波的三种经典采样策略。

2.在贝叶斯状态估计意义下相对严格地定义了视觉跟踪，根据视觉目标状态X和观测Z的不同特性将视觉跟踪分为三种：单特征、单目标跟踪，多视觉特征融合跟踪，多视觉目标跟踪；并采用粒子滤波构架这三种视觉跟踪的算法框架。

3.将基于标准粒子滤波的单特征、单目标视觉跟踪实验结果进行对比，并分析了基于 － 1 －

第七章 总结与展望

标准粒子滤波视觉跟踪的优势和不足，以此为基础从稳健性和实时性两方面深入探讨了基于粒子滤波的视觉跟踪算法性能以及算法性能提高的研究切入点。从提高粒子滤波采样的有效性入手，讨论了基于粒子滤波的单特征、单目标视觉跟踪算法的稳健性提高，提出了基于卡尔曼预测采样粒子滤波视觉跟踪算法和基于MCMC采样粒子滤波视觉跟踪算法，并通过视觉跟踪实验验证和分析了其跟踪性能。4.介绍了一些常用视觉特征的统计描述方法，并分析了各个视觉特征的区分性和稳定性。在粒子滤波理论框架下讨论了两种多视觉特征融合跟踪实现方法，通过视觉跟踪实验结果分析与性能讨论得出粒子滤波是实现多视觉特征融合跟踪的有效理论框架的结论。讨论了基于民主合成算法的多视觉特征自组织融合跟踪算法，通过视觉跟踪实验结果分析与性能讨论得出基于民主合成的自组织融合算法是实现有效多视觉特征融合的途径的结论。基于这两个结论，将民主合成思想与粒子滤波理论框架的结合，提出了基于粒子滤波的多视觉特征自组织融合跟踪算法。通过复杂场景下的视觉跟踪实验验证了该多视觉特征自组织融合跟踪算法有效性。在此基础上，讨论了多视觉特征自组织融合跟踪的有效性问题，提出了一种特征生灭机制，进而构建了一个有效的多视觉特征自组织融合跟踪框架。

5.在粒子滤波理论框架下讨论了简单的多视觉目标跟踪问题，并通过简单场景下多视觉跟踪实验分析了该多视觉目标跟踪算法的缺陷。以此为基础，讨论了多目标跟踪的联合概率数据联想问题，并将联合概率数据联想滤波与粒子滤波结合，构架了基于粒子滤波与联合概率数据联想的多视觉目标跟踪算法。通过复杂场景下多视觉目标跟踪实验验证了该多视觉目标跟踪算法的有效性。

6.针对红外图像特性，讨论了红外目标的统计描述和观测概率建立问题。在标准粒子滤波理论框架下讨论了红外目标跟踪及稳健性提高，提出了基于标准粒子滤波的红外目标跟踪算法。从提高采样的有效性入手，提出了基于EKF预测采样粒子滤波的红外目标跟踪算法，并讨论其稳健性提高问题。在红外成像制导背景下，初步探讨了基于粒子滤波的多特征自组织融合红外目标跟踪和多红外目标跟踪。

7.2 未来工作展望

－ 2 －

博 士 学 位 论 文

本文在粒子滤波理论框架下对单特征、单目标视觉跟踪，多视觉特征融合跟踪，多视觉目标跟踪这三种视觉跟踪进行了较深入的探索和研究，并在红外成像制导背景下的红外目标跟踪应用中取得较好的跟踪效果。但是，基于粒子滤波理论框架的视觉跟踪算法及其应用仍有许多关键问题亟待进一步研究，在此从两个方面将值得进一步研究的方向进行总结。

第一，就本文研究着眼点，亟待进一步研究的问题有：

1.进一步探索基于粒子滤波的单特征、单目标视觉跟踪稳健性提高的途径。在视觉跟踪意义下，进一步探索有效的采样策略是主要的研究方向。力求采样策略的有效性和复杂度的平衡，即力求提高视觉跟踪稳健性并保证视觉跟踪的实时性要求。2.视觉特征的统计描述方法的研究是非常重要的。在基于粒子滤波的视觉跟踪中，视觉特征的统计描述方法决定了视觉目标观测概率计算的有效性，并一定程度决定视觉跟踪的性能。因此，计算复杂度低且有效的视觉特征统计描述方法是未来进一步研究的切入点。

3.复杂场景下多视觉特征融合跟踪是提高视觉跟踪稳健性的有效途径。本文提出的基于粒子滤波的多视觉特征自组织融合跟踪算法是非常有效的，但在多视觉特征自组织融合中的视觉特征的品质度量策略仍需进一步研究改进，而且该算法针对具体应用的开拓性研究也是未来进一步研究的方向。

4.多视觉目标跟踪仍是当前复杂场景下视觉跟踪研究的难点问题，几个主要亟待解决的问题为：（1）相似视觉目标交互场景下各视觉目标的区分性问题；（2）高维状态空间滤波的计算复杂度降低问题；（3）复杂场景中，各被跟踪视觉目标的生灭问题，主要包括各视觉目标的遮挡分析、各视觉目标在视觉传感器作用域中的“消失”处理和“出现”感知；（4）各视觉目标状态与其视觉“观测”关联——数据联想的有效处理策略研究。

5.在红外成像制导应用背景下，红外目标的特征选取及其统计描述仍需进一步研究，力求建立具有较强区分性的红外目标统计描述，以此进一步提高基于粒子滤波的红外目标跟踪的稳健。在多特征自组织融合红外目标跟踪应用中，进一步讨论多红外目标特征的建立及统计描述问题，并在多特征自组织融合红外目标跟踪中引入特征生灭机制，进一步提高红外目标跟踪的实时性；在“边跟踪、边识别”思想下，探索将基于粒子滤波的多特征自组织融合跟踪框架拓展为在线多特征自组织融合识别 － 3 －

第七章 总结与展望

框架，开拓广阔的研究前景和广泛的应用前景。在多红外目标跟踪应用中，有效、稳健的数据联想机制和联合状态空间下有效的红外目标状态估计问题都是亟待进一步研究提高的。

第二，就基于粒子滤波的视觉跟踪研究着眼点，亟待进一步研究的问题有：

本文在粒子滤波理论框架下探索研究了三种视觉跟踪的算法及其在成像制导中的应用，但仍有两个关键问题没有进行较深入的探索，主要为：

1.本文没有着重讨论视觉目标运动模型的建立问题，仍采用简单的一阶或二阶自回归模型近似描述视觉目标运动。显然地，复杂场景下，这样的运动模型很难描述视觉目标的实际运动。因此，较精确的目标运动模型建立是未来研究的着眼点。2.本文没有深入讨论采样粒子数自适应确定问题。采样粒子数是影响算法性能的因素之一，也是影响算法实时性的主要因素。可通过建立在线的跟踪性能评价机制，在线决定跟踪性能，进而在线确定采样粒子数。

－ 4 －