[發明專利]一種基于粒子濾波的多尺度目標跟蹤改進方法

有效

• 申請號: 201910191058.1
• 申請日: 2019-03-12
• 公開（公告）號: CN109919982B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 管鳳旭;高帥;彭濤;李娟;杜雪;嚴浙平
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G06T7/277
• 分類號: G06T7/277;G06T7/246;G06V10/50
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明屬于移動目標跟蹤領域，具體涉及一種基于粒子濾波的多尺度目標跟蹤改進方法。包括以下步驟：根據目標的初始位置建立主粒子濾波，在目標中心的左上角、右上角、左下角、右下角設置四個輔助粒子濾波；利用方向梯度直方圖方法分別提取五個粒子濾波區域的目標特征；利用DSST目標跟蹤算法求取每個粒子濾波對應的位置響應值和尺度值；根據主粒子濾波進行粗目標定位；通過比較輔助粒子濾波和主粒子濾波的位置響應值和尺度值的大小，進行精確目標定位。在目標定位方面，本發明通過增加四個輔助粒子濾波提高了定位精度；在目標尺度方面，在目標的四周增加四個輔助粒子濾波，通過比較粒子濾波尺度的響應值可以有效解決目標整體尺度變化不一致的狀況。

技術領域

本發明屬于移動目標跟蹤領域，具體涉及一種基于粒子濾波的多尺度目標跟蹤改進方法。

背景技術

目標跟蹤是機器視覺的核心問題之一，是一個融合圖像處理、模式識別、人工智能及自動控制等不同領域先進成果的高新技術，在軍事制導、視頻監控、醫療診斷、產品檢測、虛擬現實等眾多領域有重要的實用價值和廣闊的發展前景。然而，由于被跟蹤目標本身特征的多樣性和外部環境的復雜性，目標跟蹤一直是一個極富挑戰性的課題。一個魯棒的目標跟蹤算法必須要能夠解決跟蹤過程中遇到的各種困難，如遮擋、旋轉、尺寸變化、光照變化等,而其中尺度問題是難點之一。

尺度是目標跟蹤中的常見情況。目標在跟蹤的過程中可能因為拍攝角度的原因或者離鏡頭的遠近導致目標尺度發生了改變，進而影響跟蹤的精度。尺度問題造成了目標信息的不穩定甚至導致跟蹤失敗，而跟蹤算法的關鍵在于搜索到足夠的目標信息，判斷目標的所在位置，所以尺度問題給目標跟蹤的可靠性帶來了很大困難。尺度變換分為整體尺度一致變換和整體尺度不一致變化，一個魯棒的目標跟蹤算法應該能夠準確判斷目標尺度的發生，并且利用目標的剩余信息繼續跟蹤目標。能否有效處理尺度問題，尤其是整體尺度不一致時，即左旋轉和右旋轉，是評價目標跟蹤算法的重要依據。良好的處理尺度問題，對于提高目標跟蹤算法的魯棒性，具有非常重要的意義。

文章《Discriminative Scale Space Tracking》，利用方向梯度直方圖即Histogram of Oriented Gradient，HOG方法提取目標特征，加入了尺度變換來對目標進行定位跟蹤。該文章對尺度的處理是按照整體尺度一致變化的情況進行處理，沒有考慮到整體尺度變化不一致時的場景，從而在部分場景中容易跟蹤失敗。本發明提出一種跟蹤過程中目標發生整體尺度變化不一致時的處理算法，有效的改進了目標跟蹤算法即Discriminative Scale Space Tracker，DSST算法在跟蹤過程中容易跟丟的問題。

專利《一種利用自適應特征融合的多尺度目標跟蹤方法》，提出了一種基于自適應特征融合的多尺度目標跟蹤方法，利用了兩種特征提取方法，分別為HOG特征和CN特征，提高了特征的豐富性，增加了目標的特征信息，達到了提高跟蹤精度的效果，但是在目標尺度變化上，依然采用了DSST跟蹤算法，沒有解決目標尺度變化不一致的問題。

文章《Multi-task Correlation Particle Filter for Robust ObjectTracking》，使用了大量的粒子濾波和不同粒子濾波之間的相關性來改善目標跟蹤的精度。由于結構復雜使得計算量過大，導致跟蹤速度達不到實時要求。本發明在跟蹤過程中僅僅使用5個粒子濾波，在保證跟蹤精度的同時提高了運算速度。

目前，運動目標檢測與運動目標跟蹤的算法有很多種，解決了一些移動目標跟蹤中的實際問題，例如DSST移動目標跟蹤算法，該算法用兩個相關濾波器來實現目標位置和目標尺度的預測，它們分別被定義為平移濾波器和尺度濾波器。平移相關濾波器用于進行當前幀目標的定位，尺度相關濾波器用于進行當前幀尺度的估計。這兩個濾波器是相對獨立的，因此這兩個濾波器互不干擾，從而可以選擇不同的特征種類和特征計算方式來訓練和測試。該目標跟蹤算法在應對各種不利因素，例如目標整體尺度一致變化、雜亂背景以及光照改變等情況時表現較為不錯，然而對于存在較大形變與目標整體尺度不一致變化等問題表現不夠好。因此本發明引入粒子濾波進行算法的改進，提高算法跟蹤的準確度和魯棒性。