The invention discloses a human motion tracking method based on bidirectional Markov Monte Carlo particle filter, which comprises: establishing a video spatio-temporal model, extracting model features from the video spatio-temporal model, selecting an image in the target video spatio-temporal body, and applying the Markov Monte Carlo particle filter to it. Bi-directional particle filter is used to get a set of solutions, which are matched with the model feature model of each video spatio-temporal model respectively, and the motion type is predicted according to the optimal matching solution. Until the whole image of the target video time and space body is completed, the particle filter is completed. The invention predicts the motion type and the motion state together, realizes the simultaneous tracking and recognition, and achieves good tracking results and accurate recognition results.
【技术实现步骤摘要】
双向马尔可夫蒙特卡罗粒子滤波器的人体运动跟踪方法
本专利技术涉及人体运动跟踪
,具体地,涉及一种基于双向马尔可夫蒙特卡罗粒子滤波器的人体运动跟踪方法。
技术介绍
人体运动跟踪目前是人工智能领域和计算机视觉领域的研究热点。近年来,有很多跟踪的方法,特别是粒子滤波器(PF),实现了良好的跟踪性能。但在粒子滤波器系统中,后验概率密度的准确性取决于粒子的有效性,提高粒子有效性效率一个非常有效的方法是进行全局搜索。然而,全局搜索将会带来非常大的计算量,增加运行时间。为了解决这个问题,目前用的较多且有效的方法是使用人体运动预测模型。有了人体运动模型的引导,搜索空间可以尽可能地被限制在有效区域,状态空间维度也会被减小。一般来说,人体运动模型可以分为两大类:弱预测模型和强预测模型。弱预测模型是指事先对运动类型未知的情况下,采用普适的人体运动预测模型对目标进行跟踪。但是,正是因为模型的普适性,对于任意一种运动,这些模型可能不是最佳选择。因此,跟踪的时候很容易陷入局部最优的情况,从而导致跟踪结果不准确。强预测模型通常是已知运动的类型,然后将该运动类型数学训练后得到的模型整合到粒子滤波器中。基于已知了每种运动的类型,它将有利于跟踪性能的提高。尽管强预测模型非常直观,但这些模型形式太死板,无法应对突然的运动变化。所以,当目标的运动不按照模型的规律运动时,就容易丢失跟踪目标。更重要的是,正是由于每个模型的形式是已经固定的,强预测模型不适用于跟踪一组包含不同运动的视频。为了应对运动的变化和运动类型的未知,交互多模型理念(IMM)被应用于运动跟踪中,将交互多模型理念与粒子滤波器相 ...
【技术保护点】
1.一种基于双向马尔可夫蒙特卡罗粒子滤波器的人体运动跟踪方法,包括如下步骤:S1建立视频时空体模型,包括:采集与多种运动类型分别对应的多个运动训练数据,对所述多个运动训练数据分别进行模型训练、拟合,从而建立多个所述视频时空体模型,并对多个所述视频时空体模型分别提取多个模型特征;S2选取目标视频时空体中的一帧图像,通过马尔可夫蒙特卡罗粒子滤波器对所述一帧图像进行双向粒子滤波,得到一组解,将得到的所述一组解分别与每个视频时空体模型的所述模型特征进行模型匹配,根据模型匹配的最优解进行所述目标视频时空体的运动类型的预测;S3将预测的运动类型反馈到所述目标视频时空体的进行粒子滤波的图像的相邻帧图像对其运动类型进行更新,然后返回步骤S2,以此循环直到对目标视频时空体的全部图像完成粒子滤波为止。
【技术特征摘要】
1.一种基于双向马尔可夫蒙特卡罗粒子滤波器的人体运动跟踪方法,包括如下步骤:S1建立视频时空体模型,包括:采集与多种运动类型分别对应的多个运动训练数据,对所述多个运动训练数据分别进行模型训练、拟合,从而建立多个所述视频时空体模型,并对多个所述视频时空体模型分别提取多个模型特征;S2选取目标视频时空体中的一帧图像,通过马尔可夫蒙特卡罗粒子滤波器对所述一帧图像进行双向粒子滤波,得到一组解,将得到的所述一组解分别与每个视频时空体模型的所述模型特征进行模型匹配,根据模型匹配的最优解进行所述目标视频时空体的运动类型的预测;S3将预测的运动类型反馈到所述目标视频时空体的进行粒子滤波的图像的相邻帧图像对其运动类型进行更新,然后返回步骤S2,以此循环直到对目标视频时空体的全部图像完成粒子滤波为止。2.根据权利要求1所述的人体运动跟踪方法,在步骤S1中...
【专利技术属性】
技术研发人员:叶龙,余安安,钟微,方力,张勤,
申请(专利权)人:中国传媒大学,
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。