[發明專利]一種基于壓縮傳感的粒子濾波視覺跟蹤方法

在審

• 申請號: 201410337111.1
• 申請日: 2014-07-15
• 公開（公告）號: CN104182989A
• 公開（公告）日: 2014-12-03
• 發明（設計）人: 宋雪樺;萬根順;于宗潔;王維;化瑞;劉委;卜曉曉
• 申請（專利權）人: 江蘇大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 南京知識律師事務所 32207
• 代理人: 盧亞麗

1.一種基于壓縮傳感的粒子濾波視覺跟蹤方法，包括對采集的視頻進行預處理，利用重要性抽樣和基于壓縮傳感的峰值跟蹤獲取一組加權的隨機樣本對視覺目標后驗概率進行近似表示，并通過分區遮擋判斷加以修正，得到狀態最小方差分布，從而以基于權值選擇的狀態估計輸出的方式獲得感興趣目標的運動信息，實現對目標的跟蹤，所述視覺跟蹤方法執行以下步驟：?

步驟1視頻圖像采集：通過攝像機和圖像采集設備采集視頻圖像信息；?

步驟2視頻圖像預處理：對從步驟1中獲得的視頻圖像進行光照校正、圖像降噪等預處理，還原視頻圖像原始信息；?

步驟3初始化：對從步驟2中獲得的處理過后的視頻圖像的進行初始化，從初始分布中抽樣得到初始粒子集

步驟4狀態空間劃分：將當前幀的狀態空間劃分為維數很小的有效狀態S_t和剩余狀態L_t，其中剩余狀態L_t是離散空間信號，其稀疏模式隨時間變化緩慢，并利用壓縮傳感理論將剩余狀態L_t表示為稀疏向量Λ_t和其支撐集Sup(Λ_t)的集合；?

步驟5重要性抽樣：對從步驟4中獲得的有效狀態S_t和稀疏向量Λ_t的支撐集Sup(Λ_t)分別進行重要性采樣；?

步驟6峰值跟蹤：對從步驟4中獲得的剩余狀態L_t的稀疏向量Λ_t進行峰值跟蹤，根據分區方式判斷目標遮擋程度調整重構算法的優化目標，并求得符合優化目標的向量并對支撐集Sup(Λ_t)進行更新；?

步驟7更新重要性權值：對從步驟5和步驟6中采樣的粒子計算重要性權值，并將其歸一化處理得到歸一化重要性權值

步驟8狀態估計：對從步驟7中得到權值加以選擇并以最小均方誤差估計的方式得到估計狀態；?

步驟9重采樣：判斷是否需要重采樣，若需要則根據粒子的歸一化重要性權值從粒子集中重新抽取粒子，并形成新的粒子集；若不是最后一幀，t＝t+1，重新回到步驟4；?

其中，所述峰值跟蹤包括下列步驟：?

步驟61對感興趣區域進行分區并判斷目標遮擋的程度；?

步驟62根據遮擋的程度判斷目標是否存在遮擋，若存在遮擋執行步驟63，否則執行步驟64；?

步驟63將遮擋產生的異常值V_s當作觀測噪聲的一部分，確定優化目標對異常值的處理項γ′||V_s||₁，γ′表示補償參數；?

步驟64確定合適的優化目標，即不存在遮擋時，優化目標為:?

其中Y_t表示觀測向量，Φ為測量矩陣，表征信號變化的程度，β和γ均表示補償參數；當存在遮擋時對優化目標增加γ′||V_s||₁項；?

步驟65利用重構算法找到符合優化目標的向量

步驟66更新支撐集Sup(Λ_t)＝{j:|(Λ_t)_j|>α}，α為更新閾值；?

所述狀態估計包括下列步驟：?

步驟81對采樣粒子的權值加以選擇，確定合適的粒子個數N′；?

步驟82根據確定的粒子個數，以最小均方誤差估計的方式得到估計狀態：?