[發明專利]基于機器學習的粒子濾波目標跟蹤方法

有效

• 申請號: 201410441058.X
• 申請日: 2014-09-01
• 公開（公告）號: CN104200226B
• 公開（公告）日: 2017-08-25
• 發明（設計）人: 孫偉;陳龍;趙丹;郭寶龍
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 陜西電子工業專利中心61205
• 代理人: 田文英,王品華

1.一種基于機器學習的粒子濾波目標跟蹤方法，包括如下步驟：

(1)提取目標和背景聯合特征：

(1a)提取目標和背景的顏色直方圖特征；

(1b)提取目標和背景的局部二值模式特征；

(1c)將顏色直方圖特征與局部二值模式特征聯合，得到目標和背景的聯合特征；

(2)訓練目標模型：

(2a)用目標和背景的聯合特征，標記視頻序列中所有的彩色圖像，得到初始訓練樣本；

(2b)利用支持向量機SVM，對初始訓練樣本進行訓練，得到目標樣本分類器；

(2c)利用目標樣本分類器，從初始訓練樣本中分離出目標模型；

(3)目標的模板匹配跟蹤：

(3a)框出目標在視頻序列的第一幀圖像中的位置，獲得搜索模板；

(3b)將前一幀圖像中目標的位置作為當前幀中目標的初始位置，得到當前幀的目標圖像，采用去均值歸一化互相關算法，計算搜索模板與目標圖像的相似性度量矩陣中的所有元素值；

(3c)判斷相似性度量矩陣中的所有元素中最大值是否大于0.8，若是，執行步驟(3d)，否則，執行步驟(3b)；

(3d)采用絕對誤差計算公式，計算目標模型變換到實時目標圖像的變換參數和最優變換參數之間的絕對誤差；

(4)判斷目標模型變換到實時目標圖像的變換參數和最優變換參數之間的絕對誤差是否大于0.3，若是，執行步驟(5)；否則，將當前幀的目標圖像加入支持向量機的訓練樣本中，執行步驟(2)；

(5)粒子濾波的目標跟蹤：

(5a)在當前幀目標圖像中，按高斯分布初始化100個與當前幀目標圖像相同的粒子；

(5b)使用目標樣本分類器，對當前幀目標圖像中的所有粒子進行分類，得到目標樣本分類器的輸出概率；

(5c)利用粒子位置計算公式，計算當前幀目標的位置，得到當前幀目標的特征值；

(5d)將當前幀目標的特征值輸入到目標樣本分類器，得到目標樣本分類器的輸出概率；

(5e)判斷目標樣本分類器的輸出概率是否小于0.5，若是，則執行步驟(5a)，否則，執行步驟(6)；

(6)判斷視頻序列中的所有圖像是否處理完畢，若是，則執行步驟(7)，否則，執行步驟(3)；

(7)結束。

2.根據權利要求1所述的基于機器學習的粒子濾波目標跟蹤方法，其特征在于，步驟(1a)中所述的提取目標和背景的顏色直方圖特征的步驟如下：

第一步，將視頻序列中彩色圖像的一個像素的紅色分量右移5位，將綠色分量右移2位，將藍色分量左移1位；將移位后的紅色、綠色、藍色分量值相加，得到該幀彩色圖像中一個像素的色調值，色調值的取值范圍是[0-26]；

第二步，采用第一步的方法，計算該幀彩色圖像中所有像素中的每一個像素的色調值；

第三步，用每個色調值對應的像素個數除以該幀彩色圖像所有像素的個數，得到該幀彩色圖像目標和背景的顏色直方圖特征；

第四步，對視頻序列中的彩色圖像，采用第三步的方法，得到所有彩色圖像的目標和背景的顏色直方圖特征。