[發(fā)明專利]一種基于嵌入卡爾曼濾波器的Camshift的機(jī)器魚跟蹤方法

在審

• 申請?zhí)枺?/td>: 201611246425.6
• 申請日: 2016-12-29
• 公開（公告）號: CN106780542A
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計(jì)）人: 郭樹理;韓麗娜;袁振兵;王稀賓;崔偉群;王春喜;司全金;李鐵嶺;劉源;黃劍武;王彬華;郭芙蘇;曲大成
• 申請（專利權(quán)）人: 北京理工大學(xué);中國人民解放軍總醫(yī)院;中國計(jì)量科學(xué)研究院
• 主分類號: G06T7/207
• 分類號: G06T7/207
• 代理公司: 北京理工大學(xué)專利中心11120
• 代理人: 代麗,仇蕾安

技術(shù)領(lǐng)域

本發(fā)明涉及智能控制技術(shù)領(lǐng)域，具體涉及一種基于嵌入卡爾曼濾波器的Camshift的機(jī)器魚跟蹤方法。

背景技術(shù)

隨著對海洋資源開發(fā)的不斷深入，仿生機(jī)器魚協(xié)作控制系統(tǒng)引起關(guān)注，而作為仿生機(jī)器魚協(xié)作控制系統(tǒng)的重要組成部分視覺子系統(tǒng)，是決策子系統(tǒng)的唯一信息來源，視覺跟蹤算法決定了目標(biāo)跟蹤的快速準(zhǔn)確性和實(shí)時(shí)性。

機(jī)器視覺最早出現(xiàn)于1975年由Winston編輯的論文集中。英國的Marr教授于1973年在麻省理工學(xué)院(MIT)，創(chuàng)建了一個(gè)新的視覺理論研究小組，在1977年，提出了一種新的計(jì)算機(jī)視覺理論—Marr視覺理論，該理論在20世紀(jì)80年代成為計(jì)算機(jī)視覺研究領(lǐng)域的一個(gè)十分重要的理論框架。陸續(xù)用于高級視頻安全監(jiān)控技術(shù)，如校園監(jiān)控、交通監(jiān)控、道路行人統(tǒng)計(jì)系統(tǒng)，另外視覺跟蹤技術(shù)在導(dǎo)彈成像制導(dǎo)、超聲波和核磁序列圖像的自動(dòng)分析、人機(jī)交互、虛擬現(xiàn)實(shí)、機(jī)器人視覺導(dǎo)航等方面有廣泛重要應(yīng)用。每種機(jī)器視覺系統(tǒng)集成了很多，比如靜止背景和運(yùn)動(dòng)背景下的實(shí)時(shí)目標(biāo)探測與跟蹤、目標(biāo)的分類識別、目標(biāo)姿勢估計(jì)、攝像機(jī)的自主控制、視頻圖像處理系統(tǒng)、人體步法分析等等。國內(nèi)以中科院自動(dòng)化所模式識別國家重點(diǎn)實(shí)驗(yàn)室為代表的很多高校和研究機(jī)構(gòu)也在機(jī)器視覺領(lǐng)域取得了不錯(cuò)的科研成果。但無論是國內(nèi)還是國外，在機(jī)器視覺領(lǐng)域的研究重點(diǎn)都基本在于對所獲得圖像信息的前期處理(去噪、增強(qiáng)、目標(biāo)檢測等)和在復(fù)雜環(huán)境中對多個(gè)視頻運(yùn)動(dòng)目標(biāo)進(jìn)行穩(wěn)定、快速和準(zhǔn)確地跟蹤。其難點(diǎn)在于現(xiàn)在的視覺任務(wù)多是由2D圖像恢復(fù)3D場景，而由于成像過程中存在投影、遮擋、各種場景因素的混合、畸變等，要想通過高度結(jié)構(gòu)化的表示獲得3D模型的客觀描述是很困難的，這些始終是當(dāng)前機(jī)器視覺研究領(lǐng)域中需要不斷提升機(jī)器視覺算法改進(jìn)效果的問題。

在機(jī)器視覺領(lǐng)域，跟蹤算法的主要工作是在連續(xù)的視頻序列中找到表示目標(biāo)區(qū)域或目標(biāo)特征的圖像結(jié)構(gòu)的連續(xù)對應(yīng)。Camshift算法(Continuously Apative Mean-Shift)是一種運(yùn)動(dòng)跟蹤算法，主要通過視頻圖像中運(yùn)動(dòng)物體的顏色信息來達(dá)到跟蹤的目的，能夠依據(jù)所跟蹤目標(biāo)在運(yùn)動(dòng)過程中的形狀變化自適應(yīng)調(diào)整搜索窗口的大小，采用目標(biāo)的顏色作為跟蹤特征，在目標(biāo)發(fā)生旋轉(zhuǎn)，被部分遮擋時(shí)也具有一定的魯棒性，簡單易實(shí)現(xiàn)、計(jì)算量小、實(shí)時(shí)性好，是計(jì)算局部最優(yōu)解的一個(gè)實(shí)用的算法。但在復(fù)雜背景和目標(biāo)突然快速運(yùn)動(dòng)情況下可能出現(xiàn)跟蹤目標(biāo)出現(xiàn)誤差較大甚至跟蹤失敗的問題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種基于嵌入卡爾曼濾波器的Camshift的機(jī)器魚跟蹤方法，能夠適應(yīng)機(jī)器魚的復(fù)雜水下環(huán)境，提高機(jī)器魚快速運(yùn)動(dòng)跟蹤的準(zhǔn)確性，實(shí)時(shí)性好。

本發(fā)明的基于嵌入卡爾曼濾波器的Camshift機(jī)器魚跟蹤方法，包括如下步驟：

步驟1，在進(jìn)行目標(biāo)跟蹤前，通過人機(jī)交互方式，用鼠標(biāo)手動(dòng)在跟蹤畫面上選取跟蹤區(qū)域；

步驟2，構(gòu)建卡爾曼濾波器并初始化；

其中，目標(biāo)狀態(tài)向量x＝[μx,μy,vx,vy]^T，其中，μx,μy分別代表被跟蹤目標(biāo)的質(zhì)心在視頻圖像的直角坐標(biāo)系Oxy中的x、y軸上的坐標(biāo)分量，vx,vy分別表示目標(biāo)在x、y軸上的速度分量，即每兩幀目標(biāo)運(yùn)動(dòng)位置在x方向與y方向的差值，上標(biāo)T表示轉(zhuǎn)置；

目標(biāo)觀測向量y＝[μx,μy]^T；

系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣Δt為相鄰兩幀的時(shí)間差；系統(tǒng)觀測矩陣

系統(tǒng)的過程噪聲協(xié)方差矩陣Q和觀測噪聲的協(xié)方差矩陣R分別為：

其中，e為自然對數(shù)；

初始時(shí)刻Kalman濾波均方誤差矩陣P₀為：

步驟3，利用步驟2構(gòu)建的卡爾曼濾波器預(yù)測當(dāng)前k時(shí)刻的目標(biāo)狀態(tài)向量x_k和目標(biāo)觀測向量y_k；

步驟4，以步驟3卡爾曼濾波器預(yù)測的目標(biāo)狀態(tài)向量x_k中的位置為搜索區(qū)域的中心，利用Camshift算法獲得當(dāng)前k時(shí)刻的目標(biāo)位置信息，將其作為Camshift觀測向量y_{k_c}；