[發明專利]一種基于特征融合粒子濾波的仿生機器魚視覺跟蹤方法

有效

• 申請號: 201611246452.3
• 申請日: 2016-12-29
• 公開（公告）號: CN106780560B
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 郭樹理;韓麗娜;王稀賓;袁振兵;崔偉群;王春喜;司全金;李鐵嶺;劉源;黃劍武;郭芙蘇;曲大成
• 申請（專利權）人: 北京理工大學;中國人民解放軍總醫院;中國計量科學研究院
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06K9/62
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 代麗;仇蕾安

1.一種基于特征融合粒子濾波的仿生機器魚視覺跟蹤方法，其特征在于，包括如下步驟：

步驟1，初始化：利用矩形框手動選定跟蹤目標，提取目標的HSV顏色直方圖、運動邊緣直方圖，組成目標模板；選取目標模板中的粒子數量為N，粒子權重為

其中，運動邊緣直方圖的提取方法如下：

設h_k,h_k+1為相鄰的兩幀圖像，計算這兩幀的絕對差分圖像D_k，對差分圖像D_k求梯度，得到運動邊緣圖像E_k，然后利用運動邊緣的幅值或方向角獲得運動邊緣直方圖；

所述目標的HSV顏色直方圖的提取方法如下：

從攝像頭采集的視頻圖像獲取矩形框區域RGB顏色模型，接著完成RGB向HSV顏色空間的轉換；將HSV顏色空間的每個子空間H、S、V分別分成Nh、Ns、Nv個等級，將整個HSV空間的顏色直方圖劃分為NN＝Nh×Ns+Nv個顏色子空間；根據目標區域圖像像素的(h,s,v)分量所屬的等級，得到該像素屬于哪個顏色子空間中，從而得到目標的HSV顏色直方圖；

步驟2，粒子狀態估計：

k時刻第i個粒子狀態估計為：

其中，分別表示第i個粒子在k-2、k-1、k時刻的狀態，表示k-1時刻所有粒子的狀態估計值的均值；w_k-1為k-1時刻系統隨機過程噪聲；A₁、A₂、B為常量；

步驟3，構建以k時刻第i個粒子狀態估計的位置為中心的、與目標模板相同大小的候選區域；i＝1,2，…，N；提取當前幀所有N個候選區域的HSV顏色直方圖和運動邊緣直方圖；

步驟4，修改粒子權重值：

步驟4.1，采用式(1)計算基于顏色直方圖的第i個粒子的權值更新值：

其中，分別為第k-1、k幀基于顏色直方圖的第i個粒子的權值更新值，ξ_clour₁ⁱ＝1；為顏色信息的觀測似然函數；σ為高斯方差；為第i個粒子對應的候選區域與目標模板顏色特征的Bhattacharyya距離，為顏色特征的Bhattacharyya系數，q＝(q_(u))_{u＝1,2,...,NN}為目標模板的顏色直方圖，為第k幀第i個粒子對應的候選區域的顏色直方圖；NN為顏色直方圖的顏色子空間數；

步驟4.2，采用式(2)計算基于運動邊緣直方圖的第i個粒子的權值更新值：

其中分別為第k-1、k幀基于運動邊緣直方圖的第i個粒子的權值更新值，為運動邊緣信息的觀測似然函數；σ₁為高斯方差，為第i個粒子對應的候選區域與目標模板運動邊緣特征的Bhattacharyya距離，其中為運動邊緣特征的Bhattacharyya系數，γ₁＝(γ_1(u))_{u＝1,2,...,MM}為目標模板的運動邊緣直方圖，為第k幀第i個粒子對應的候選區域的運動邊緣直方圖；MM為運動邊緣直方圖的幅度或方向子空間數；

步驟4.3，采用式(3)進行特征融合的粒子權重更新：

其中，分別為第k-1、k幀的特征融合的第i個粒子的權重更新值；為聯合似然函數：

其中，η₁,η₂為歸一化權值，其中d_{1_min},d_{2_min}分別為顏色特征和運動邊緣特征中所有候選區域和目標模板之間的最小Bhattacharyya距離；

歸一化粒子權重

步驟5，利用步驟4獲得的粒子權重得到k時刻目標的狀態估計為：

步驟6，目標模板更新：

設定一個Bhattacharyya系數的閾值，若當前幀所有候選區域的顏色特征和運動邊緣特征的Bhattacharyya系數中的最大值小于設定的閾值，進行目標模板更新，按照步驟1的方法建立新的目標模板；然后按照下式進行目標模板更新：

M_opt＝β×M_old+(1-β)×M_now

其中，M_opt為更新后的目標模板，M_old為更新前的目標模板，M_now為新建的目標模板，β表示更新前的目標模板在更新后的目標模板中所占的比例；

步驟7，重采樣粒子：

計算粒子退化程度N_eff，并與設定閾值N_th比較，如果N_effN_th，則重采樣粒子，并令新的粒子具有相等的權重值否則，不重采樣粒子；

步驟8：讀取下一張圖像，重復執行步驟2～8。