摘要   目标跟踪是计算机视觉领域的一个重要课题，在视觉导航、视频监控、智能交通等领域有广泛的应用。目标跟踪可以代替人眼，对运动图像中的特定目标实现追踪定位。粒子滤波基于蒙特卡洛方法，利用粒子集来表示概率，是一种可以用在任何形式的状态空间模型上的预测手段，与卡尔曼滤波相比有更广泛的应用。

本文学习、研究了粒子滤波器、图像目标特征提取的基本原理，主要工作是研究多特征融合的基于粒子滤波器的目标跟踪技术。对于需要跟踪的目标，必须有一定手段提取其特征，作为跟踪的依据。目前常见的特征有灰度、颜色、纹理、边缘等特征，单一特征往往具有一定的局限性，因此本文采用了基于权值的融合方法，将颜色特征和边缘特征加以融合。将多特征融合与粒子滤波器相结合，实现对运动目标的实时跟踪。

本文利用MATLAB实现了一套简单的多特征融合的基于粒子滤波器的目标跟踪系统，并对两个公共采用的视频序列进行了测试，实验表明，该系统能良好地跟踪目标，并对遮挡等干扰具有一定的鲁棒性。

关键词：目标跟踪，粒子滤波，特征融合

1.3  本文的结构安排

本文先简要介绍了运动目标跟踪的意义、应用领域和技术难点，并简要介绍了国内外主要方向的研究现状，随后详细阐述了目标跟踪方法。介绍了本文所采用的多特征融合的粒子滤波算法，最后在MATLAB中将其实现，并给出了实验结果与简单分析。本文的结构安排如下：

第一章  绪论，介绍了目标跟踪领域的主要内容和国内外的研究现状。

第二章  目标跟踪方法，主要综述了目标跟踪领域的主要研究方向。

第三章  多特征融合的目标跟踪。详细介绍了粒子滤波的原理、特征提取与融合的原理和流程。

第四章  实验与结果，在MATLAB仿真软件中实现了一套运动目标跟踪系统，并对两个样本集进行实验。

第五章  总结与展望，总结全文工作，并提出了未来工作研究的方向。

第三章  多特征融合的目标跟踪

粒子滤波是进行目标跟踪有效的模板更新方法。粒子滤波与卡尔曼滤波有很多相似之处，但卡尔曼滤波建立在高斯分布的基础上，只有满足高斯和线性两个假设时才适合使用，粒子滤波则没有这个限制。

确定了粒子滤波的总体框架，接下来的工作就需要确定如何构造特征模板。当前的很多算法是基于单一特征的，如颜色、纹理、边缘等特征。这些特征分别在某一个角度对模板进行了描述，但也有其自身的局限性。如颜色特征，当物体与背景的颜色构成非常相似时，系统就容易出现误跟踪。因此，仅用单一特征是不够的。本文采用颜色与边缘信息相结合的融合方式，兼顾了颜色与物体的形状特征。

3.1  算法框架

本文采用的多特征融合的目标跟踪算法，是以粒子滤波为基础的。在特征提取层面兼顾了颜色和高频细节特征。总体流程如图3.1所示。