[發明專利]多特征融合目標跟蹤方法及基于信息熵的權值自適應方法

有效

• 申請號: 201710480345.5
• 申請日: 2017-06-22
• 公開（公告）號: CN107316321B
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 李滾;王子揚;秦開宇
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 成都拓荒者知識產權代理有限公司 51254
• 代理人: 鄒廣春

1.多特征融合目標跟蹤方法，其特征在于，包括以下步驟：

S1、構建系統狀態模型x_k＝Φx_k-1+Γu_k-1和系統觀測模型z_k＝tan^-1(y_k/x_k)+v_k，z_k為k時刻的觀測角度，x_k,y_k表示k時刻目標在坐標系x,y方向上的位置，u_k-1為k-1時刻x,y方向上的系統噪聲，k_v為k時刻的觀測噪聲；

S2、根據系統狀態模型，采樣得到當前時刻的粒子集

S3、提取候選目標的第一特征、第二特征及第三特征，并計算相關系數和相關距離，所述相關系數和相關距離可用于衡量目標模型與候選目標的特征參數之間的相似性，第一特征、第二特征及第三特征分別為目標的顏色特征、紋理特征和邊緣特征；

S4、加權融合所述第一特征、第二特征及第三特征，并計算粒子的先驗概率密度似然函數，預測目標的位置；

所述跟蹤方法在加權融合多項特征以獲得粒子的先驗概率密度似然函數之前，包括步驟：

a1、根據各個特征先驗概率密度似然函數的信息熵判斷是否對當前權值系數進行更新；

a2、如需更新，則更新現有權值系數，并根據更新后的權值系數計算以預測目標位置；

步驟a1包括以下步驟：

a11、根據公式計算樣本集X的信息熵，其中，n代表樣本集X的分類數，p_i代表X中第i類元素出現的概率；

獲得第一特征、第二特征及第三特征的先驗概率密度似然函數的信息熵H_a、H_b及H_c分別如下：

多特征加權融合得到粒子的先驗概率密度似然函數的過程通過以下公式實現：

其中，

和分別表示第一特征、第二特征及第三特征對粒子預測的先驗概率密度似然函數；

α，β和γ為權值系數，并同時滿足：0≤α≤1，0≤β≤1，0≤γ≤1，α+β+γ＝1；

a12、根據信息熵轉換獲得信息熵比值：L＝H_a/(H_b+H_c)和M＝H_b/H_c，根據L和M取值范圍，調整權值系數α、β和γ。

2.根據權利要求1所述的多特征融合目標跟蹤方法，其特征在于，各特征對應的權值系數大小關系與所述特征似然函數熵的大小關系一致。

3.根據權利要求2所述的多特征融合目標跟蹤方法，其特征在于，所述權值系數α、β和γ根據下表取值：

4.基于信息熵的權值自適應方法，其特征在于，包括步驟：

B1、根據公式計算樣本集X的信息熵，其中，n代表樣本集X的分類數，p_i代表X中第i類元素出現的概率；

獲得第一特征、第二特征及第三特征的先驗概率密度似然函數的信息熵H_a、H_b及H_c分別如下：

所述先驗概率密度似然函數的過程通過以下公式實現：

其中，

和分別表示第一特征、第二特征及第三特征對粒子預測的先驗概率密度似然函數；

α，β和γ為權值系數，并同時滿足：0≤α≤1，0≤β≤1，0≤γ≤1，α+β+γ＝1；

所述第一特征、第二特征及第三特征分別為目標的顏色特征、紋理特征和邊緣特征；

B2、根據信息熵轉換獲得信息熵比值：L＝H_a/(H_b+H_c)和M＝H_b/H_c，根據L和M取值范圍，調整權值系數α、β和γ。

5.根據權利要求4所述的基于信息熵的權值自適應方法，其特征在于，各特征對應的權值系數大小關系與所述特征似然函數熵的大小關系一致。