[发明专利]一种基于ASMS和粒子滤波器的综合目标跟踪方法

说明书

本发明公开了一种基于ASMS和粒子滤波器的综合目标跟踪方法，首先，计算出切换因子。然后，通过切换因子来自适应的切换ASMS算法和粒子滤波算法。最后，利用卡尔曼滤波对粒子滤波算法的追踪结果进行偏移校正。实验表明，改进后的算法在跟踪视频序列上实验，具有良好的跟踪精度、鲁棒性和实时性。本发明不仅可以应用于视频监控领域，还可以推广应用到移动机器人、无人机、智能驾驶等领域。

技术领域

本发明涉及一种基于ASMS和粒子滤波器的综合目标跟踪方法，属于计算机视觉领域。

背景技术

随着计算机视觉的发展，基于计算机视觉的目标跟踪技术已经成为学术界和工程领域关注的重要课题和研究热点。目标跟踪是指通过在连续的视频图像序列中估计跟踪目标的位置、形状或所占区域，确定目标的运动速度、方向及轨迹等运动信息，实现对运动目标行为的分析和理解，以便完成更高级的任务。目标跟踪无论在军事国防还是民用安全方面都具有重要的研究意义和广阔的应用前景。具体的研究和应用包括：智能视频监控、现代化军事、基于视频的人机交互、智能交通系统、智能视觉导航、三维重建等。

基于ASMS(Adaptive Scale Mean-shift，自适应尺度均值漂移)和粒子滤波器的综合目标跟踪方法在技术上主要包括切换因子计算、算法自适应切换机制以及卡拉曼偏移校正几大部分。由于ASMS算法实时性好，而粒子滤波算法相对于ASMS算法在遮挡情况下有更好的鲁棒性，但是，其实时性差，所以，有必要设计一种能结合ASMS算法与粒子滤波算法优点的方法。首先根据ASMS算法或粒子滤波算法的到的最佳匹配区域与目标区域来计算出切换因子。然后，通过切换因子来判断遮挡的开始和结束，从而自适应的对ASMS算法与粒子滤波算法进行切换，这样相对于ASMS算法，增强了其鲁棒性，而相对于粒子滤波算法，增强了其实时性。最后，利用卡尔曼滤波对粒子滤波算法的追踪结果进行偏移校正，增强了算法在遮挡情况下跟踪的准确性。

发明内容

发明目的：为了提高复杂环境下跟踪算法的准确性、鲁棒性和实时性，本发明提供一种基于ASMS和粒子滤波器的综合目标跟踪方法。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于ASMS和粒子滤波器的综合目标跟踪方法，包括以下步骤：

(1)计算切换因子

选取待跟踪的目标，对目标建模，ASMS算法或者粒子滤波算法在跟踪的过程中，同时得到各自算法的最佳匹配区域，根据最佳匹配区域与目标区域来计算出切换因子Δ_j。

为ASMS算法或者粒子滤波算法得到的最佳匹配点，目标密度函数为计算以为中心的区域密度函数为其中u_j＝1...m_j，m_j为颜色直方图的分割区间个数，令

当时，目标特征u_j被部分遮挡，当时，目标特征u_j被完全遮挡。

其中λ_j∈[1，∞)为遮挡程度参量，设切换因子为Δ，则

(2)通过切换因子来判断遮挡的开始和结束，从而自适应的对ASMS算法与粒子滤波算法进行自适应切换。