[发明专利]基于卡尔曼滤波和粒子滤波的目标位置计算方法及系统

说明书

本发明涉及一种基于卡尔曼滤波和粒子滤波的目标位置计算方法及系统，方法包括：获取目标运动图像中的检测位置；根据检测位置利用卡尔曼滤波器计算目标的第一初始位置；卡尔曼滤波器是基于匀速模型的卡尔曼滤波器；根据检测位置利用粒子滤波器计算目标的第二初始位置；根据卡尔曼滤波器检测目标是否出现连续运动，得到检测结果；根据检测结果确定卡尔曼滤波器的权重和粒子滤波器的权重；根据第一初始位置、第二初始位置、卡尔曼滤波器和粒子滤波器的权重计算目标位置。本发明实现了对目标连续运动阶段的噪声滤除以及不连续运动阶段的及时追踪，极大提升了目标位置的计算准确度。

技术领域

本发明涉及目标位置计算技术领域，特别是涉及一种基于卡尔曼滤波和粒子滤波的目标位置计算方法及系统。

背景技术

准确跟踪模式生物运动是显微操作系统运行的基础，同时也是对显微操作的效果验证的重要手段。另外，生物学中常常会做投毒实验和应激反应实验，在放有模式生物的培养皿中放入药品或施加外界刺激，需要跟踪模式生物的运动和对刺激的反应，通过分析轨迹来评估药物效果和研究模式生物的生理功能。

模式生物运动的追踪，通常由检测算法获得模式生物的位置信息，将每一帧同一个生物个体的位置串联起来得到生物的运动轨迹。但是由于检测算法存在噪声，即检测到的位置相对于目标的实际位置有一定偏差，需要使用滤波算法减小偏差。目前最常用的算法为卡尔曼滤波器，传统的卡尔曼滤波器算法基于匀速运动模型(假设目标运动速度恒定)，匀速运动模型对于目标的平缓运动阶段能有效滤除噪声，但是对于目标的突变运动(如速度突然增大)，输出结果存在滞后。而粒子滤波器能够对非线性运动目标紧密追踪，具有可以描述任何一种目标运动不确定性分布的优点，但是对于稳定连续运动目标的最优参数估计效果不尽人意。

发明内容

本发明的目的是提供一种基于卡尔曼滤波和粒子滤波的目标位置计算方法及系统，以更准确地计算目标位置。

为实现上述目的，本发明提供了如下方案：

一种基于卡尔曼滤波和粒子滤波的目标位置计算方法，包括：

获取目标运动图像中的检测位置；所述检测位置由检测算法检测；

根据所述检测位置利用卡尔曼滤波器计算目标的第一初始位置；所述卡尔曼滤波器是基于匀速模型的卡尔曼滤波器；

根据所述检测位置利用粒子滤波器计算目标的第二初始位置；

根据所述卡尔曼滤波器检测目标是否出现连续运动，得到检测结果；

根据所述检测结果确定所述卡尔曼滤波器的权重和所述粒子滤波器的权重；

根据所述第一初始位置、所述第二初始位置、所述卡尔曼滤波器的权重和所述粒子滤波器的权重计算目标位置。

可选地，所述第一初始位置计算过程如下：

根据所述检测位置对所述卡尔曼滤波器进行初始化；

根据上一帧目标运动图像中的检测位置利用初始化后的卡尔曼滤波器计算当前帧目标运动图像中的第一计算位置；

根据所述第一计算位置和当前帧目标运动图像中的检测位置对初始化后的卡尔曼滤波器进行更新；

根据更新后的卡尔曼滤波器计算第一初始位置。

可选地，所述第二初始位置计算过程如下：

根据所述检测位置对粒子滤波器进行初始化；

根据上一帧目标运动图像中的检测位置利用初始化后的粒子滤波器计算当前帧目标运动图像中的第二计算位置；

根据所述第二计算位置和当前帧目标运动图像中的检测位置对初始化后的粒子滤波器进行更新；

根据更新后的粒子滤波器计算第二初始位置。