一种在线学习的单目标粒子滤波的跟踪方法技术

本发明专利技术公开了一种在线学习的单目标粒子滤波的跟踪方法，涉及计算机视觉和智能视频监控领域。本跟踪方法是：①目标选择；②分类器和搜索粒子初始化；③目标跟踪；④特征更新；⑤结果输出。本发明专利技术可以精确分割出目标；可以在较小的计算量的同时，多尺度、大范围搜索遮挡目标；能够清楚表达目标的特性，在一定程度上避免和其他目标混淆产生跟踪错误，保证计算特征的实时性；可以减少因特征不匹配而导致的跟踪失败，使跟踪具有一定的持久性。

【技术实现步骤摘要】
一种在线学习的单目标粒子滤波的跟踪方法
本专利技术涉及计算机视觉和智能视频监控领域，具体涉及一种在线学习的单目标粒子滤波的跟踪方法。
技术介绍
目标跟踪是通过对传感器所拍摄到的图像序列进行分析，识别目标在每帧图像上的位置；是一项融合了图像处理、模式识别、人工智能和自动控制等领域先进成果的高技术课题，在航天、监控、生物医学和机器人技术等多种领域都有广泛应用。基于视频流的单目标跟踪主要包括两个步骤：一是目标选择，选择我们感兴趣的目标；二是目标的跟踪，就是将不同帧中检测出来的同一个目标关联起来。对于跟踪算法，常用的基于视频的目标跟踪方法种类比较多，比如基于特征的方法、基于运动的方法和基于匹配的方法等。粒子滤波跟踪是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。它显著的优点是算法计算量小，简单易实现，很适合于实时跟踪场合；文献《Color-BasedProbabilisticTracking》中所述的粒子滤波跟踪方法在在一定程度上解决了跟踪失败的问题，但当光照条件变化、形态变化或遮挡情况下常常跟踪失败，需要进一步完善特征本文档来自技高网...

【技术保护点】
一种在线学习的单目标粒子滤波的跟踪方法，其特征在于：①目标选择（201）在选取区域内假设背景区域，在一定尺度内变换假设的背景区域范围和选择范围，利用图像抠图算法多次分割背景，将分割的结果按评价函数评价，选择评价值最高的分割结果作为目标区域；②分类器和搜索粒子初始化（202）A、初始化搜索粒子：粒子点的结构包括位置、大小、速度、颜色特征和结构特征； B、初始化在线学习分类器：以目标为正样本，并且加以旋转、尺度缩放和添加噪声的方式产生指定数目的正样本，以目标以外的区域，选择指定数目的区域作为负样本，利用正负样本初始化在线学习分类器；③目标跟踪（203）a、产生扩展粒子：在以目标为中心，在1～5倍目...

【技术特征摘要】
1.一种在线学习的单目标粒子滤波的跟踪方法，①目标选择(201)在选取区域内假设背景区域，在一定尺度内变换假设的背景区域范围和选择范围，利用图像抠图算法多次分割背景，将分割的结果按评价函数评价，选择评价值最高的分割结果作为目标区域；②分类器和搜索粒子初始化(202)A、初始化搜索粒子：粒子点的结构包括位置、大小、速度、颜色特征和结构特征；B、初始化在线学习分类器：以目标为正样本，并且加以旋转、尺度缩放和添加噪声的方式产生指定数目的正样本，以目标以外的区域，选择指定数目的区域作为负样本，利用正负样本初始化在线学习分类器；③目标跟踪(203)a、产生扩展粒子：在以目标为中心，在1～5倍目标半径的距离内生成指定数目的离散采样点作为扩展粒子点，使用光流算法计算扩展粒子的速度，并初始化；b、计算每个搜索粒子和扩展粒子的颜色特征，并和目标区域的颜色特征比较，计算颜色特征可信度，计算每个粒子点的结构特征，使用在线学习分类器得出结构特征可信度；c、结合颜色特征可信度和结构特征可信度，将其可信度最大的粒子作为新的目标位置，该粒子的大小所形成的区域作为新的目标区域，并按可信度权重，根据粒子滤波方法重新分配指定数量的粒子作为新的搜索粒子；④特征更新(204)以作为目标位置的粒子的颜色特征可信度、结构特征可信度和运动速度为依据，如果可信度变化速率小于阈值，且目标是移动的，距离小于目标半径，则以0.1～5％的更新速率更新粒子的颜色特征，并在该位置按步骤②-B的方式产生新的正负样本，更新在线学习分类器；⑤结果输出(205)将目标跟踪位置按滤波算法滤波，输出滤波后的目标跟踪位置，再返回步骤③进行下一次跟踪；其特征在于：所述的步骤①目标选择(201)：利用图像抠图算法，实现子步骤如下：A、选择区域(301)；B、假设选择区域内的背景(302)在选择区域内，在靠近外边缘向内5～30％的区域为假设的背景区域，其余的区域为假设的目标；C、按一定的A比例放大和缩小选择区域(303)，所述的A比例为原选择区域大小的5～30％；D、判断变换后的选择区域是否过大或过小(304)，面积控制在原选择区域的0.5～3倍之间，是则进入步骤E，否则流程结束(309)：把保存的分割结果，按评价函数评价，选择最优的结果，继而将评价函数得出的可信度最高的区域作为目标区域，替换原选择区；所述的评价函数是根据分割目标质心位置以及分割目标的面积来确定；Cost＝dist(Pc,c)/max(w,h)+abs(w*h*α–Sc)/(w*h)其中：Cost为评价函数的得分，dist为两个点的马氏距离，Pc为分割目标的质心点坐标，c为选择区域中心点坐标，Sc为分割目标的面积，α为系数＝0.7，w，...

【专利技术属性】
技术研发人员：孙宇，杨波，
申请(专利权)人：武汉烽火众智数字技术有限责任公司，
类型：发明
国别省市：湖北;42