[發明專利]基于粒子濾波的運動行人視頻自動跟蹤方法及系統

有效

• 申請號: 201210315360.1
• 申請日: 2012-08-30
• 公開（公告）號: CN102831409A
• 公開（公告）日: 2012-12-19
• 發明（設計）人: 徐汀榮
• 申請（專利權）人: 蘇州大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/54;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 常亮

1.一種基于粒子濾波的運動行人視頻自動跟蹤方法，其特征在于，所述方法包括以下步驟：

S1、輸入一幀圖像，通過HOG特征向量集和SVM向量機進行檢測，判斷是否有行人，若是，執行步驟S2，若否，輸入下一幀圖像重新檢測；

S2、實現基于HOG和顏色雙重特征的粒子濾波跟蹤，首先獲得目標行人的初始矩形區域，并從目標矩形區域中采樣若干粒子，提取HOG特征和顏色特征，計算HOG和顏色雙重特征融合后粒子的權重，通過最小均方誤差估計器得到最后的狀態估計并輸出估計目標后進行重采樣；

S3、判斷圖像是否為最后一幀，若是，則結束跟蹤，若否，返回步驟S2。

2.根據權利要求1所述的方法，其特征在于，所述步驟S1中的“通過HOG特征向量集進行檢測”具體為：

在灰度空間或顏色空間中評估圖像像素特性，對圖像進行伽馬校正規范化；

根據HOG梯度的提取，計算每個像素的梯度；

計算單元梯度幅值，具體為累加每個單元中包含像素的梯度方向直方圖，再將每個梯度方向直方圖映射到確定的角度上，得到HOG特征向量；

相鄰的單元組成一個塊，進行塊歸一化；

選用單元和塊，得到HOG特征向量集進行檢測。

3.根據權利要求1所述的方法，其特征在于，所述步驟S1中的SVM向量機包括SVM分類器，所述SVM分類器包括傳統SVM分類器和線性不可分SVM分類器。

4.根據權利要求3所述的方法，其特征在于，所述傳統SVM分類器中的分類函數為：線性不可分SVM分類器中的分類函數為：f(x)=Σi=1nyiαiK(x·xi)+b*.]]>

5.根據權利要求1所述的方法，其特征在于，所述步驟S2具體為：

獲得目標行人的初始矩形區域，并從目標矩形區域中采樣若干粒子初始化每個粒子權重為1/N；

通過狀態方程x_t＝Ax_t-1+Bw_t-1預測得到t時刻粒子的狀態

計算HOG和顏色雙重特征融合后粒子的權重：

wi=colcountcolcount+hogcount*wci+hogcountcolcount+hogcount*whi;]]>

通過最小均方誤差估計器得到最后的狀態估計：

輸出估計目標并進行重采樣。