[發明專利]一種基于GPU加速連續粒子群優化的三維物體跟蹤方法無效

申請號：	201310041423.3	申請日：	2013-02-01
公開（公告）號：	CN103093476A	公開（公告）日：	2013-05-08
發明（設計）人：	蔣永實;秦樹鑫	申請（專利權）人：	中國科學院自動化研究所;常州科學與藝術融合技術研究所
主分類號：	G06T7/00	分類號：	G06T7/00
代理公司：	中科專利商標代理有限責任公司 11021	代理人：	宋焰琴
地址：	100190 ***	國省代碼：	北京;11
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種基于 gpu 加速連續粒子優化三維物體跟蹤方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

技術領域

本發明涉及計算機視覺與圖形學領域，尤其涉及一種基于GPU加速連續粒子群優化的三維物體跟蹤方法。

背景技術

三維物體的跟蹤技術是近些年來計算機視覺領域里的前沿研究方向之一，也是該領域中的難點之一。特別是對于多自由度，甚至是多關節的剛性物體的跟蹤方法的研究受到了世界許多重要研究機構的高度重視，這充分體現了它的研究價值和意義。跟蹤問題等價于在連續的圖像幀間創建基于位置、速度、形狀、紋理和色彩等有關的特征的對應匹配問題。而三維跟蹤又將跟蹤問題上升到了一個新的高度，不僅要匹配物體的位置，而且要將它的旋轉角度等信息相匹配。大體上，三維跟蹤主要有兩種常用的方法，即基于表征的跟蹤方法和基于模型的跟蹤方法。基于表征的跟蹤方法是直接將獲取的表征信息進行統計分析，與定義好的模板或者樣本進行比較，選擇一個最接近的。這種方法往往需要大量的前期工作進行訓練學習，樣本采集等。而基于模型的方法，需要定義一個與待跟蹤物體結構形狀相同的模型，通過虛擬物體的變化來產生大量的假設狀態，最終選擇一個與觀察圖像最為接近的狀態作為跟蹤結果。

基于模型的三維物體跟蹤方法是最為常用也是最有應用前景的方法之一。基于模型的三維跟蹤方法的優點就在于它可以跟蹤物體的任意位置和姿態，甚至可以跟蹤多關節物體的姿態，并且這種位置姿態不受訓練樣本的約束。基于模型的方法首先要建立一個與跟蹤物體相同的模型，這個模型是用于進行狀態假設的，通過對比虛擬模型在虛擬視角的圖像與實際采集得到的圖像，來得到當前虛擬模型的狀態與實際模型的狀態之前的差異的大小。為了能夠更加精確的跟蹤物體的三維狀態，需要大量的估計狀態，并且進行對比計算出每個狀態的適應度，而且需要采用一種狀態更新的機制來使得假設狀態與觀察狀態越來越接近，最終達到一個最優的效果。

實時的三維跟蹤問題是一個更加嚴峻的挑戰，即需要通過高復雜度的跟蹤計算方法來實現跟蹤的精確性，同時，又需要將該跟蹤方法應用于實時的系統中。一方面，需要實現滿足要求的跟蹤方法，另一方面，需要采用特殊的計算方式來解決實時性問題，如采用并行計算、離線樣本訓練等方法。

針對三維物體的跟蹤方法而言，基于模型的跟蹤問題可以通過優化算法來實現。一般采用隨機性跟蹤方法，如粒子濾波(Particle?Filter)，也被稱作時序蒙特卡羅方法，是最為廣泛使用的隨機性方法之一。通常需要大量的粒子進行更新計算，但是計算量比較大，隨著目標維數的增加呈指數增長。近些年，也有很多研究者嘗試采用粒子群優化算法來進行跟蹤，也取得了一定的進展，但是沒有很好的解決實時跟蹤的問題，特別針對多關節跟蹤問題，往往達不到實時的效果。

發明內容

為了解決現有技術存在的問題，本發明提出一種適用于多自由度，多關節的物體的實時三維跟蹤方法。

為了實現上述目的，本發明提出一種基于GPU加速連續粒子優化的三維物體跟蹤方法，深入的探究了連續粒子群的優化方法，并且實現了一種基于GPU的快速計算方法，其步驟如下：

步驟1：采集三維物體的觀察圖像，提取相應的圖像特征信息；

步驟2：初始化當前圖像幀的粒子群狀態；

步驟3：根據當前粒子群中每個粒子所對應的假設模型，得到三維物體的假設圖像，并提取該假設圖像的特征信息；

步驟4：運用基于GPU的并行算法，將觀察圖像的特征信息與每個粒子對應的假設圖像的特征信息進行比較，得到每個粒子的適應度；

步驟5：根據適應度的大小更新得到本次迭代過程中粒子群的個體最優狀態和局部最優狀態；

步驟6：如果當前圖像幀的迭代過程還未結束，則根據粒子群的個體最優狀態和局部最優狀態更新得到下一次迭代時粒子群狀態，并進入步驟3進行下一次迭代；否則根據粒子群的個體最優狀態得到三維物體的最終跟蹤狀態。

本發明的有益效果是：

1)本發明采用連續粒子群優化算法來模擬跟蹤問題，利用了前續跟蹤結果來初始化當前幀的粒子狀態，相比于傳統的粒子群優化算法具有更好的連續性與自適應性。

2)本發明采用了基于GPU的并行算法來實現粒子狀態的更新，粒子適用度的計算，使得整個跟蹤過程能夠滿足實時性要求。