[發(fā)明專利]基于視覺注意機(jī)制的改進(jìn)粒子濾波目標(biāo)跟蹤的方法

無效

• 申請(qǐng)?zhí)枺?/td>: 201110389749.6
• 申請(qǐng)日: 2011-11-30
• 公開（公告）號(hào): CN102521844A
• 公開（公告）日: 2012-06-27
• 發(fā)明（設(shè)計(jì)）人: 肖德貴;秦云川;田崢;楊翔;陳琳;熊鵬;文龍;蔡幼奇
• 申請(qǐng)（專利權(quán)）人: 湖南大學(xué)
• 主分類號(hào): G06T7/20
• 分類號(hào): G06T7/20;G06T7/00
• 代理公司: 湖南兆弘專利事務(wù)所 43008
• 代理人: 趙洪;周長清

技術(shù)領(lǐng)域

本發(fā)明主要涉及到計(jì)算機(jī)視覺方法領(lǐng)域，特指一種基于視覺注意機(jī)制的改進(jìn)粒子濾波目標(biāo)跟蹤方法。

背景技術(shù)

目標(biāo)跟蹤是計(jì)算機(jī)視覺研究中的一個(gè)重要課題，它是目標(biāo)行為理解的基礎(chǔ)，是圖像系統(tǒng)連續(xù)準(zhǔn)確工作的重要部分。視覺跟蹤通常是指在連續(xù)變化的視頻序列中對(duì)感興趣區(qū)域或者目標(biāo)對(duì)象進(jìn)行精確定位。在計(jì)算機(jī)視覺識(shí)別與處理系統(tǒng)中，目標(biāo)跟蹤處于圖像運(yùn)動(dòng)檢測(cè)和目標(biāo)行為理解之間的處理環(huán)節(jié)，是圖像系統(tǒng)進(jìn)行連續(xù)準(zhǔn)確工作的重要部分，在視頻監(jiān)控，視頻編解碼壓縮技術(shù)，機(jī)器人定位與導(dǎo)航，智能交通工具，虛擬現(xiàn)實(shí)的人機(jī)交互等應(yīng)用中具有非常重要的價(jià)值和意義。如何有效提高目標(biāo)跟蹤算法在復(fù)雜環(huán)境下的準(zhǔn)確性，以及如何增加算法在多變場(chǎng)景下的魯棒性，比如城市交通道路環(huán)境，一直是目標(biāo)跟蹤的兩個(gè)關(guān)鍵問題。

粒子濾波跟蹤算法因其能有效解決非線性非高斯系統(tǒng)的狀態(tài)估計(jì)問題而受到了廣泛的重視，成為目前視覺跟蹤領(lǐng)域研究的主流。近年來，很多學(xué)者圍繞粒子濾波算法的不足展開了大量研究，并取得了一定的成果。然而采用單一特征的方法無法持續(xù)穩(wěn)健地勝任復(fù)雜多變環(huán)境下的目標(biāo)跟蹤問題，現(xiàn)有的多特征融合算法則通常是以提高計(jì)算復(fù)雜度為代價(jià)，在融入過多的特征時(shí)，算法的實(shí)時(shí)性無法保證。基于視覺注意模型和粒子濾波的目標(biāo)跟蹤算法提出利用圖像的顯著性特征來改進(jìn)粒子濾波跟蹤算法對(duì)圖像顯著性特征的計(jì)算仍較復(fù)雜；基于動(dòng)態(tài)顯著性特征的粒子濾波和基于視覺顯著的目標(biāo)追蹤算法主要關(guān)注如何利用粒子濾波來對(duì)具備顯著性特征的目標(biāo)進(jìn)行跟蹤，但是不適用于對(duì)某個(gè)特定目標(biāo)的跟蹤問題；運(yùn)用視覺顯著的粒子濾波是目前最新的將顯著性特征與粒子濾波結(jié)合用于目標(biāo)跟蹤的方法，但是其只采用了單一的顏色和亮度作為特征向量。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題就在于：針對(duì)現(xiàn)有技術(shù)存在的技術(shù)問題，本發(fā)明提供一種模擬人類視覺機(jī)制的多特征目標(biāo)跟蹤方法，即融合了顏色、紋理、運(yùn)動(dòng)特征并能夠保證實(shí)時(shí)性、準(zhǔn)確性、健壯性的基于視覺注意機(jī)制的改進(jìn)粒子濾波目標(biāo)跟蹤的方法。

為解決上述技術(shù)問題，本發(fā)明采用以下技術(shù)方案：

一種基于視覺注意機(jī)制的改進(jìn)粒子濾波目標(biāo)跟蹤的方法，其步驟為：

(1)、初始化輸入；首先通過手動(dòng)選擇所需跟蹤的目標(biāo)；隨后對(duì)所選區(qū)域的圖像粒子進(jìn)行初始化；若獲取圖像成功，則對(duì)于初始化粒子進(jìn)行預(yù)處理，否則就結(jié)束；選取新圖像，更新粒子分布，以適應(yīng)場(chǎng)景的改變；

(2)、特征建模及基于視覺顯著性機(jī)制進(jìn)行粒子過濾；根據(jù)特征的顯著性排序選出一個(gè)最優(yōu)特征，對(duì)該特征建模并過濾不匹配粒子，最后得到最優(yōu)粒子集；所述特征包括顏色特征、紋理特征和運(yùn)動(dòng)特征；根據(jù)最優(yōu)粒子集計(jì)算目標(biāo)位置，輸出跟蹤結(jié)果；同時(shí)，根據(jù)上述最優(yōu)特征更新特征的顯著性排序。

作為本發(fā)明的進(jìn)一步改進(jìn)：

所述步驟(2)的具體流程為：在完成對(duì)顏色、紋理和運(yùn)動(dòng)特征建模的基礎(chǔ)上，會(huì)將各種不同特征按其在特定的場(chǎng)景中的顯著性進(jìn)行排序；接下來，在場(chǎng)景中分配粒子，對(duì)所有的粒子均先從具有最高顯著性的特征開始計(jì)算，通過設(shè)定閾值排除那些與該顯著性特征不相匹配粒子；如果這一步完成以后只剩下一個(gè)粒子則說明這個(gè)粒子即為目標(biāo)的預(yù)測(cè)位置，否則說明該顯著性特征不能將目標(biāo)與所有干擾目標(biāo)區(qū)分，還需要有其他的顯著性進(jìn)行配合，則選取一個(gè)次高的顯著性作為參照，對(duì)剩下的粒子進(jìn)行同樣的篩選工作，直到剩下一個(gè)最優(yōu)的粒子集；同時(shí)，以上步驟完成以后需要通過反饋的信息對(duì)特征的顯著性的排序進(jìn)行更新。

本發(fā)明中，所述顏色特征的建模流程為：

采用HSV顏色空間來對(duì)顏色信息進(jìn)行建模，H表示色調(diào)，S表示飽和度，V表示強(qiáng)度，將圖像信息歸一化顏色直方圖；采用巴特查理亞距離作為運(yùn)動(dòng)目標(biāo)區(qū)域顏色直方圖與各個(gè)粒子所在的區(qū)域的直方圖之間相似度的度量，巴氏距離計(jì)算公式如下：