[發(fā)明專利]基于粒子群的粒子濾波視頻目標(biāo)跟蹤方法

有效

• 申請?zhí)枺?/td>: 201611107812.1
• 申請日: 2016-12-06
• 公開（公告）號: CN106600624B
• 公開（公告）日: 2020-05-08
• 發(fā)明（設(shè)計(jì)）人: 張文博;王陽;劉月;徐步;劉其民
• 申請（專利權(quán)）人: 昆山鯤鵬無人機(jī)科技有限公司;鯤鵬通訊（昆山）有限公司;蘇州明安信息科技有限公司;蘇州明逸智庫信息科技有限公司
• 主分類號: G06T7/207
• 分類號: G06T7/207
• 代理公司: 蘇州潤桐嘉業(yè)知識產(chǎn)權(quán)代理有限公司 32261
• 代理人: 朱平

本發(fā)明公開了一種基于粒子群的粒子濾波視頻目標(biāo)跟蹤方法，主要解決點(diǎn)粒子描述精確性與量測模糊性之間不匹配的問題。其實(shí)現(xiàn)步驟是：1.在粒子濾波框架下將普通點(diǎn)粒子拓展為粒子群，通過目標(biāo)狀態(tài)預(yù)測得到粒子群中心；2.確定每一個粒子群中的粒子，并提取對應(yīng)的候選目標(biāo)；3.通過計(jì)算候選目標(biāo)特征與模板之間的距離，對粒子群中心進(jìn)行更新，并得到粒子群對應(yīng)權(quán)值；4.對粒子群中心進(jìn)行重采樣，進(jìn)而融合得到目標(biāo)的狀態(tài)估計(jì)，實(shí)現(xiàn)對目標(biāo)的可靠跟蹤。本發(fā)明更為高效的實(shí)現(xiàn)了對目標(biāo)狀態(tài)空間的覆蓋，提高了目標(biāo)跟蹤的性能，提高了對大動態(tài)范圍小目標(biāo)的搜索和捕捉性能，可用于視頻監(jiān)控、無人機(jī)航拍跟蹤、機(jī)器人導(dǎo)航等系統(tǒng)。

技術(shù)領(lǐng)域

本發(fā)明屬于跟蹤監(jiān)測技術(shù)領(lǐng)域，特別涉及一種視頻目標(biāo)跟蹤方法，可用于視頻監(jiān)控、無人機(jī)航拍跟蹤、機(jī)器人導(dǎo)航等系統(tǒng)。

背景技術(shù)

在視頻跟蹤研究中，基于粒子濾波的目標(biāo)跟蹤方法由于其在解決非線性問題方面的優(yōu)異特性，以及相對開放的跟蹤框架對各種特征描述方法的兼容能力，在視頻跟蹤中得到了廣泛的應(yīng)用。然而，由于采樣粒子的空間覆蓋能力與實(shí)際量測存在的模糊性不相匹配，致使普通粒子濾波跟蹤方法對于運(yùn)動動態(tài)范圍大的小目標(biāo)的捕獲性能變差。因此，如何提高粒子采樣效率，利用較少的粒子實(shí)現(xiàn)對目標(biāo)可能存在區(qū)域的有效覆蓋，同時(shí)與量測模糊性相匹配，已成為視頻跟蹤研究中的難點(diǎn)問題。

目前，典型的目標(biāo)跟蹤方法有：均值漂移，普通粒子濾波等。其中：

均值漂移方法，雖然簡單易實(shí)現(xiàn)，計(jì)算量小，但因具有局部收斂特性容易陷入局部最優(yōu)解而產(chǎn)生明顯的跟蹤滯后效應(yīng)，對小目標(biāo)和快速移動的大動態(tài)范圍目標(biāo)易產(chǎn)生失跟，同時(shí)由于需要解析形式推導(dǎo)均值漂移向量，對特征描述方法有一定要求，使得許多特征方法無法應(yīng)用到其中；

普通粒子濾波方法的跟蹤性能較大程度依賴于所采用的粒子數(shù)，且將所用粒子抽象為空間體積為零的點(diǎn)。這使得大量粒子映射到量測空間中，只占據(jù)若干個與量測尺度相當(dāng)?shù)膮^(qū)域，存在點(diǎn)粒子描述精確性與量測模糊性之間不匹配的問題，導(dǎo)致計(jì)算量的浪費(fèi)。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對上述已有技術(shù)中的不足，提出一種基于粒子群的粒子濾波視頻目標(biāo)跟蹤方法，已解決點(diǎn)粒子描述精確性與量測模糊性之間不匹配的問題，從而提升粒子采樣效率及對大動態(tài)范圍小目標(biāo)的搜索和捕捉性能。

實(shí)現(xiàn)本發(fā)明的技術(shù)方案旨在在跟蹤過程中，通過將點(diǎn)粒子拓展為粒子群，以保證估計(jì)精度與箱粒子覆蓋能力之間的平衡，從而更為高效的實(shí)現(xiàn)對目標(biāo)狀態(tài)空間的覆蓋，提高對目標(biāo)的搜索和捕捉性能，以及跟蹤的實(shí)時(shí)性。

本發(fā)明基于粒子群的粒子濾波視頻目標(biāo)跟蹤方法，其步驟包括如下：

(1)初始化粒子群：

(1a)讀入k-1時(shí)刻的圖像I_k-1，初始化k-1時(shí)刻的粒子群中心集為其中，表示k-1時(shí)刻第i個粒子群的中心，i為粒子群序號，取值為1,2,…,N，N表示粒子群總數(shù)，k表示時(shí)刻，初始時(shí)刻為k＝1；

(1b)初始化目標(biāo)跟蹤窗：B_k-1＝(r_k-1,c_k-1)^T，其中r_k-1和c_k-1分別表示k-1時(shí)刻目標(biāo)跟蹤窗的長度和寬度值，T表示向量轉(zhuǎn)置運(yùn)算；

(1c)根據(jù)目標(biāo)初始狀態(tài)與目標(biāo)跟蹤窗B_k-1，初始化目標(biāo)的特征協(xié)方差矩陣M作為特征模板；

(2)粒子群狀態(tài)預(yù)測：

(2a)讀入k時(shí)刻的圖像I_k，通過對k-1時(shí)刻圖像中粒子群中心集的傳遞，得到k時(shí)刻圖像中的預(yù)測粒子群中心集為其中表示k時(shí)刻的第i個預(yù)測粒子群中心；