[发明专利]动态环境下基于GMM结合YOLO实时跟踪与建图方法

权利要求书

1.动态环境下基于GMM结合YOLO实时跟踪与建图方法，其特征在于，包括如下步骤：

(1)对动态图像中的每帧图像提取特征点，分成关键帧和非关键帧，计算非关键帧中相邻两帧之间的仿射变换矩阵，利用仿射变换矩阵对非关键帧进行校正；

(2)利用高斯混合模型对非关键帧阶段的图像进行训练，通过GMM对背景图像建模和分割前景动态区域；

(3)将步骤(2)训练后的非关键帧图像和步骤(1)关键帧图像输入到YOLO检测器，使用粒子滤波算法，对YOLO检测器的图像进行跟踪和预测，剔除当前帧检测到的动态特征点，插入关键帧进行地图构建；

步骤(3)将关键帧图像送入到YOLO检测器后，关键帧建立动态目标候选区，接受各个候选区，抛弃不能被识别的候选区；

步骤(3)将步骤(2)训练后非关键帧图像输入到YOLO检测器后，前景动态区域为检测器提供先验，YOLO检测器根据非关键帧的前景动态区域估计关键帧的前景动态区域；当非关键提供的前景动态区域与YOLO检测器检测到的动态目标有重叠时，则接受此时的动态目标候选区；若非关键提供的前景动态区域与YOLO检测器检测到的动态目标无重叠时，则抛弃此时的动态目标候选区；将接收的动态目标候选区作为YOLO检测器估计得到的关键帧前景动态目标；

步骤(3)：利用粒子滤波算法对YOLO估计的关键帧前景动态目标进行跟踪，更新当前帧的下一帧前景动态目标存在的位置、长度信息。

2.根据权利要求1所述的实时跟踪与建图方法，其特征在于，步骤(2)所述建模过程包括：

(21)利用GMM对非关键帧阶段图像的每个像素点进行匹配，找到每个像素点在K类正态分布模型中匹配的模型，若该像素点属于当前的正态分布模型，则满足下式：

式中X_t表示待匹配的像素点，i表示正态分布模型对应的类别，μ_i,t-1表示t-1时刻第i个正态分布模型对应的像素均值，σ_i,t-1表示t-1时刻第i个正态分布模型对应所有像素的标准差；

(22)对K类正态分布模型的权重w_k,t进行更新，表达式为：

w_k,t＝(1-α)*w_k,t-1+α*M_k,t

式中α表示学习率，w_k,t-1表示t-1时刻第k个正态分布模型权重；M_k,t表示t时刻第k个模型匹配判别，若步骤(21)公式成立，则像素点匹配上高斯模型，M_k,t＝1，否则M_k,t＝0；

(23)如果当前像素点不满足步骤(21)中公式，表明当前像素点不属于背景图像，则像素均值μ_i,t-1和标准差σ_i,t-1保持不变；

如果当前像素点满足步骤(21)中公式，表明当前像素点属于背景图像，则更新当前所属分布模型的参数，表达式如下：

ρ＝α*η(X_t|μ_k，σ_k)

μ_t＝(1-ρ)*μ_t-1+ρ*X_t

式中ρ表示中间参数，η(X_t∣μ_k,σ_k)表示t时刻第k个模型的学习率变化函数；

(24)若所有像素点均不满足步骤(21)公式，修改高斯混合模型中权重最小的分布模型参数，将均值修改为当前像素值；

(25)对K个分布模型进行排序，按照权重从大到小的顺序依次进行排列，选定前B个分布模型作为背景像素，其他模型为前景像素，B的表达式为：

其中T为背景所占比例，b为选定模型个数。

3.根据权利要求1所述的实时跟踪与建图方法，其特征在于，所述YOLO检测器使用的检测网络为YOLOv3。

4.根据权利要求1所述的实时跟踪与建图方法，其特征在于，所述步骤(1)校正前对非关键帧中图像各像素点进行均衡化处理。

5.根据权利要求1所述的实时跟踪与建图方法，其特征在于，所述步骤(1)提取特征点通过ORB-SLAM2实现。