【目标跟踪】基于贝叶斯网络实现目标滤波跟踪附matlab代码

1 简介

运动目标跟踪技术作为计算机视觉以及图像处理等领域中最活跃的研究课题之一,已经在军事,安全监控,人机交互和智能交通等多个方面发挥着积极的作用,并且日趋重要.现有的目标跟踪算法存在着一定的不足:一是观测模型不够稳定,如果目标跟踪算法是利用单一的颜色特征构建目标模型,这个模型一般会对场景中光照强度的变化比较敏感,致使跟踪不稳定;二是场景中出现遮挡的情形时,会导致跟丢目标的情况.贝叶斯网络是描述随机变量之间依赖关系的图形模型,是一种基于概率推理的图形化网络.而动态贝叶斯网络可以看作是动态概率关系的一种压缩表示形式,它是静态贝叶斯网络在时间领域的拓展,动态贝叶斯网络作为一种有效地处理不确定性问题的数学工具,已经在计算机视觉领域得到了广泛的应用.​

2 部分代码

clc;clear;%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%初始化W=200;  %该区域的长度L=200;  %该区域的宽度M=36;   %该区域内节点数Nod=NodGen(W,L,M,3);    %生成节点分布图ar=3;   %测距方差ao=(3/180)*pi;  %测角方差T=50;   %总的仿真时间V=5;    %目标运动速度,这在本仿真中为已知量av=1;   %策动噪声方差​​​​Target_Real{1}=[25 25];     %第一时刻目标参考位置Target_Real{1}=[25 25]+av*[randn randn];    %第一时刻目标真实位置for t=1:T%     Target_Real{t+1}=Target_Real{t}+V^0.5*[1 1]+av*randn*[1 1];    Target_Real{t+1}=Target_Real{t}+V/2^0.5*[1 1]+av*randn*[1 1];​end​%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%图示仿真结果for t=1:T    x(t)=Target_Real{t}(1);    y(t)=Target_Real{t}(2);        x1(t)=Target_Z{t}(1);    y1(t)=Target_Z{t}(2);    x2(t)=Target_Esti{t}(1);    y2(t)=Target_Esti{t}(2);endfigure,plot(x,y,x1,y1,x2,y2,x,y,'.',x1,y1,'.',x2,y2,'.')legend('真实目标轨迹','观测轨迹','滤波后轨迹')axis([0 W 0 L])​for t=1:T    D1(t)=( (x(t)-x1(t))^2 + (y(t)-y1(t))^2 )^0.5;    D2(t)=( (x(t)-x2(t))^2 + (y(t)-y2(t))^2 )^0.5;endfigure,plot(1:T,D1,1:T,D2)legend('观测误差','滤波后误差')(sum(D1.^2/T))^0.5(sum(D2.^2/T))^0.5sum(D1)/Tsum(D2)/T​

3 仿真结果

4 参考文献

[1]陈天民. 基于动态贝叶斯网络的运动目标跟踪方法研究[D]. 中国石油大学(华东), 2012.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。