基于单目视觉的小车追踪技术研究.pdf

摘要

目标追踪技术在社会的公共安全视频监控、无人汽车自动驾驶、人机交互等领域

都具有广泛的应用，具有良好的应用前景。随着信息化、智能化时代的到来，对深入

研究目标追踪技术的需求越来越迫切。经过前面学者的不断深入研究，目标追踪技术

算法已经取得了非常大的进展。但是，对于运动的目标小车具有随机性，使得目标所

在区域的图像帧检测估算不准确，以至于在建立鲁棒的系统模型在更新机制中难以实

现。此外，由于追踪小车自身的原因与周围环境变化等各种干扰因素，导致目标小车

在外在的环境下引发变化，所以在进行目标追踪时难以实现，最终导致目标物体的追

踪失败。

目前，基于贝叶斯推理的追踪方法是视觉研究的方法之一。贝叶斯推理的思想是

对目标状态进行估计和预测，从而可以实现对目标的追踪。首先定义目标状态模型，

通常用一个状态向量表示目标的位置、速度等信息；然后定义观测模型、先验分布和

似然函数；在此基础之上，使用贝叶斯公式，基于当前的观测和先验分布，计算目标

状态的后验概率分布，同时对目标状态进行预测；最后使用新的观测信息，更新目标

状态的估计和预测，同时更新先验分布。本文主要研究基于目标追踪问题下的小样本

集图像增广方法、几何约束条件下的单目视觉深度估计方法以及基于Camshift追踪算

法和SiameseFC追踪算法等问题。然而，在实际的目标小车追踪过程中，小车往往是

处于运动状态的，为了提高目标小车追踪的准确性，采用粒子滤波的方法解决目标小

车追踪的问题；首先通过建立健壮的目标表示模型，然后通过引入粒子滤波对算法进

行优化，最终实现对目标小车的实时检测追踪。

关键词：粒子滤波；目标追踪；SiameseFC追踪算法；Camshift追踪算法；鲁棒性

ABSTRACT

Targettrackingtechnologyhasawiderangeofapplicationsinsocialpublicsafetyvideo

surveillance,autonomousdrivingofunmannedvehicles,human-computerinteraction,and

otherfields,withgoodapplicationprospects.Withtheadventoftheinformationand

intelligenceera,theneedforin-depthresearchontargettrackingtechnologyisbecoming

increasinglyurgent.Aftercontinuousandin-depthresearchbypreviousscholars,target

trackingtechnologyandalgorithmshavemadegreatprogress.However,therandomnessof

movingtargetvehiclesmakestheestimationofimageframedetectionintheareawherethe

targetislocatedinaccurate,makingitdifficulttoachieverobustsystemmodelinginthe

updatemechanism.Inaddition,duetovariousinterferencefactorssuchasthetrackingcar

itselfandchangesinthesurroundingenvironment,thetargetcarcauseschangesinthe

externalenvironment,soitisdifficulttoachievetargettracking,ultimatelyleadingtothe

failureoftargetobjecttracking.

Atpresent,thetrackingmethodbasedonBay