The invention discloses a bionic robot fish visual tracking method based on feature fusion particle filter. The method can effectively improve the adaptability of the tracking algorithm to the illumination change, improve the robustness of the target tracking algorithm, and has high accuracy, and can be applied to the environment with more complicated underwater environment. Color and movement of the invention integrates robotic fish, the robot fish motion information and edge information by combining observation model through the fusion of color and edge features to construct the double movement of particle filter, and through the observation model of the system motion model to predict the target estimation results are revised, to reduce the system error effectively and improve the robustness of the vision subsystem.
【技术实现步骤摘要】
一种基于特征融合粒子滤波的仿生机器鱼视觉跟踪方法
本专利技术涉及视觉跟踪
,具体涉及一种基于特征融合粒子滤波的仿生机器鱼视觉跟踪方法。
技术介绍
随着对海洋资源开发的不断深入,仿生机器鱼协作控制系统引起关注,而视觉子系统作为仿生机器鱼协作控制系统的重要组成部分,是决策子系统的唯一信息来源,视觉跟踪算法决定了目标跟踪的快速准确性和实时性。机器视觉最早出现于1975年由Winston编辑的论文集中。英国的Marr教授于1973年在麻省理工学院(MIT),创建了一个新的视觉理论研究小组,在1977年,提出了一种新的计算机视觉理论—Marr视觉理论。该理论在20世纪80年代成为计算机视觉研究领域的一个十分重要的理论框架,陆续用于高级视频安全监控技术,如校园监控、交通监控、道路行人统计系统,另外视觉跟踪技术在导弹成像制导、超声波和核磁序列图像的自动分析、人机交互、虚拟现实、机器人视觉导航等方面有广泛重要应用。每种机器视觉系统集成了很多,比如静止背景和运动背景下的实时目标探测与跟踪、目标的分类识别、目标姿势估计、摄像机的自主控制、视频图像处理系统、人体步法分析等等。国内以中科院自动化所模式识别国家重点实验室为代表的很多高校和研究机构也在机器视觉领域取得了不错的科研成果。但无论是国内还是国外,在机器视觉领域的研究重点都基本在于对所获得图像信息的前期处理(去噪、增强、目标检测等)和在复杂环境中对多个视频运动目标进行稳定、快速和准确地跟踪。其难点在于现在的视觉任务多是由2D图像恢复3D场景,而由于成像过程中存在投影、遮挡、各种场景因素的混合、畸变等,要想通过高度结构化 ...
【技术保护点】
一种基于特征融合粒子滤波的仿生机器鱼视觉跟踪方法,其特征在于,包括如下步骤:步骤1,初始化:利用矩形框手动选定跟踪目标,提取目标的HSV颜色直方图、运动边缘直方图,组成目标模板;选取目标模板中的粒子数量为N,粒子权重为
【技术特征摘要】
1.一种基于特征融合粒子滤波的仿生机器鱼视觉跟踪方法,其特征在于,包括如下步骤:步骤1,初始化:利用矩形框手动选定跟踪目标,提取目标的HSV颜色直方图、运动边缘直方图,组成目标模板;选取目标模板中的粒子数量为N,粒子权重为步骤2,粒子状态估计:k时刻第i个粒子状态估计为:其中,分别表示第i个粒子在k-2、k-1、k时刻的状态,表示k-1时刻所有粒子的状态估计值的均值;wk-1为k-1时刻系统随机过程噪声;A1、A2、B为常量;步骤3,构建以k时刻第i个粒子状态估计的位置为中心的、与目标模板相同大小的候选区域;i=1,2,…,N;提取当前帧所有N个候选区域的HSV颜色直方图和运动边缘直方图;步骤4,修改粒子权重值:步骤4.1,采用式(1)计算基于颜色直方图的第i个粒子的权值更新值:其中,分别为第k-1、k帧基于颜色直方图的第i个粒子的权值更新值,为颜色信息的观测似然函数;σ为高斯方差;为第i个粒子对应的候选区域与目标模板颜色特征的Bhattacharyya距离,为颜色特征的Bhattacharyya系数,q=(q(u))u=1,2,...,NN为目标模板的颜色直方图,为第k帧第i个粒子对应的候选区域的颜色直方图;NN为颜色直方图的颜色子空间数;步骤4.2,采用式(2)计算基于运动边缘直方图的第i个粒子的权值更新值:其中分别为第k-1、k帧基于运动边缘直方图的第i个粒子的权值更新值,为运动边缘信息的观测似然函数;σ1为高斯方差,为第i个粒子对应的候选区域与目标模板运动边缘特征的Bhattacharyya距离,其中为运动边缘特征的Bhattacharyya系数,γ1=(γ1(u))u=1,2,...,MM为目标模板的运动边缘直方图,为第k帧第i个粒子对应的候选区域的运动边缘直方图;MM为运动边缘直方图的幅度或方向子空间数;步骤4.3,采用式(3)进行特征融合的粒子权重更新:其中,分别为第k-1、k帧的特征融合的第i个粒子的权重更新值;为联合似然函数:其中,η1,η2为归一化权值,其中...
【专利技术属性】
技术研发人员:郭树理,韩丽娜,王稀宾,袁振兵,崔伟群,王春喜,司全金,李铁岭,刘源,黄剑武,郭芙苏,曲大成,
申请(专利权)人:北京理工大学,中国人民解放军总医院,中国计量科学研究院,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。