[发明专利]基于三重粒子的粒子滤波视觉目标跟踪方法

说明书

技术领域

本发明属于移动目标视觉跟踪的机器视觉的机器人自主导航与智能监控技术领域。

背景技术

移动目标视觉跟踪是机器视觉的机器人自主导航与智能监控领域中的一个重要研究方向，具有广泛的潜在应用前景。

移动目标跟踪已成为机器视觉方面的重要研究课题。已广泛的应用于机器人导航、智能监控、视频压缩、人机交互、虚拟现实等许多领域中。在视觉跟踪领域已经提出了很多的算法，如粒子滤波跟踪算法，基于神经网络的目标跟踪算法，基于均值漂移的目标跟踪算法。本发明针对的是粒子滤波算法的移动目标跟踪。

对于粒子滤波跟踪算法，要提高跟踪鲁棒性，尽可能大范围的覆盖目标下一时刻可能到达的位置，就必须增加粒子数量，而大量的粒子就会导致计算的复杂，从而影响算法实时性。此外，被跟踪的移动目标与镜头之间距离往往是变化的，移动目标的图像可能或大或小变化，这给滤波器的粒子记录目标信息带来困难，导致滤波算法可靠性不高。

发明内容

本发明目的是解决粒子滤波目标跟踪算法中目标图像大小发生变化时导致跟踪目标丢失的问题，提供一种基于三重粒子的粒子滤波视觉目标跟踪方法。

本发明提供的基于三重粒子的粒子滤波视觉目标跟踪方法，所述的三重粒子的粒子滤波方法，其特征在于，将普通粒子滤波算法中的粒子集中粒子分成三组，分别为和粒子集记为N₁，粒子数为n₁；粒子集记为N₂，粒子数为n₂；粒子集记为N₃，粒子数为n₃。粒子集N₁、N₂和N₃包含像素数目与包含像素形式不同，三组粒子集N₁、N₂、N₃分别按以下规则获得：

N₁包含像素为{(x，y)|x＝x_i+a，y＝y_i+b其中a∈Z，b∈Z且0≤a≤w，0≤b≤h}；

N₂包含像素为{(x，y)|x＝x_i+2a，y＝y_i+2b其中a∈Z，b∈Z且0≤a≤w，0≤b≤h}；

N₃包含像素为{(x，y)|x＝x_i+a，y＝y_i+b其中a∈Z，b∈Z且0≤a≤w/2，0≤b≤h/2}；

其中，w和h分别为粒子集N₁中粒子宽度和粒子高度方向所占像素数量，且w和h均为偶数，(x_i，y_i)为第i个粒子左上点像素坐标，在N₁中i∈[1，n₁]，在N₂中i∈[1，n₂]，在N₃中i∈[1，n₃]。

基于三重粒子的粒子滤波视觉目标跟踪方法包括：

(1)确定目标位置，根据运动目标检测结果确定目标范围与目标中心，生成目标颜色直方图Ch_prior作为目标先验值；

(2)根据先验分布p(x₀)，生成三组初始粒子集和三组粒子集包含粒子数分别为n₁、n₂、n₃，各粒子初始权值均为1/(n₁+n₂+n₃)，并设此时的时刻k＝1；

(3)根据状态转移模型修改三组粒子状态；

(4)提取各个粒子所包含区域图像像素的颜色直方图，获得目标观测值，通过后验概率分析即可获得目标位置，输出目标位置；

(5)粒子权值更新，比较目标先验值与目标观测值，得出粒子权值；

(6)后验概率计算，输出三组粒子集，得到后验概率，由后验概率估计出目标位置，输出目标位置；

(7)重采样，更新部分粒子；

(8)在k+1时刻返回第(3)步，循环操作。

其中，第(1)步所述颜色直方图，本发明采用目标颜色特征作为识别信息，在粒子滤波器的设计中粒子采用颜色直方图作为描述信息，在RGB颜色模型中获得R、G、B各分量对应颜色值的像素个数，以颜色值为横坐标，像素个数为纵坐标，得到颜色直方图。