[发明专利]基于多任务相关粒子滤波的视觉跟踪方法、装置

权利要求书

1.一种基于多任务相关粒子滤波的视觉跟踪方法，其特征在于，包括以下步骤：

步骤S1，基于被测目标前一时刻每个粒子的目标状态生成被测目标当前时刻的粒子，对粒子在空间上进行划分，并对当前时刻的每一个粒子利用多任务相关滤波求解具有判别力的特征；

步骤S2，利用多任务相关滤波，对所述当前时刻的粒子进行移动并到达一个稳定的位置；

步骤S3，依据通过多任务相关滤波计算得到的所述当前时刻的粒子的响应分布的最大值，计算所述当前时刻的粒子的权重，并进一步计算当前时刻被测目标的跟踪状态的期望值；

其中，步骤S1中对当前时刻的每一个粒子利用多任务相关滤波求解具有判别力的特征，通过如下式子计算：

其中，{z_pk}为所计算的粒子的具有判别力的特征；G_pk＝X_pkX_pk^T，表示当前时刻某一粒子所对应的所有训练样本，是该粒子第p个部分的第k种特征在二维空间上进行(m,n)的循环平移后的结果，(m,n)∈{0,1...,M-1}×{0,1,...,N-1}，M和N表示特征的高和宽；y＝[y_0,0,...,y_m,n,...,y_M-1,N-1]^T对应于循环平移的高斯函数标签；记Z＝[Z₁,...,Z_p,...,Z_P]∈R^MN×PK，z_p＝[z_p1,...,z_pk,...,z_pK]∈R^MN×K；λ和γ是正则化参数。

2.根据权利要求1所述的视觉跟踪方法，其特征在于，步骤S3中还包括所述多任务相关滤波的相关滤波器的参数的更新步骤：

利用所述当前时刻的粒子的权重中最大权重对应的粒子对所述相关滤波器的参数进行更新。

3.根据权利要求1所述的视觉跟踪方法，其特征在于，步骤S1中生成被测目标当前时刻的粒子的过程服从状态转移概率分布其中，表示t-1时刻的目标状态，s_t表示当前时刻的粒子状态分布。

4.根据权利要求3所述的视觉跟踪方法，其特征在于，步骤S1中对粒子在空间上进行划分，包括：

对当前时刻的每一个粒子在空间上用相同的方式划分成P个部分。

5.根据权利要求1所述的视觉跟踪方法，其特征在于，步骤S2包括如下步骤：

步骤S21，利用多任务相关滤波计算当前时刻每个粒子的响应分布：

其中，为t时刻第i个粒子通过多任务相关滤波计算得到的响应分布，是t时刻第i个粒子的观测，z_pk和分别是粒子对应的多任务相关滤波求解后的具有判别力的特征和目标的表观模型，F和F^-1代表傅里叶变换及其反变换，⊙表示逐元素对应相乘运算；

步骤S22，对于所述当前时刻每个粒子，搜索各粒子响应分布最大值获取各粒子响应分布最大值对应的位置，并将各粒子平移至对应的响应分布最大值的位置处，得到更新后的粒子状态

6.根据权利要求5所述的视觉跟踪方法，其特征在于，步骤S3中计算所述当前时刻的粒子的权重，其方法为：

其中，为t时刻第i个粒子的权重。

7.根据权利要求6所述的视觉跟踪方法，其特征在于，步骤S3中计算当前时刻被测目标的跟踪状态的期望值，其方法为：

其中，E[s_t|y_1:t]为t时刻被测目标的跟踪状态的期望值，y_1:t为从第一时刻到时刻t的视频图像帧。