基于粒子群的粒子滤波视频目标跟踪方法技术

本发明专利技术公开了一种基于粒子群的粒子滤波视频目标跟踪方法，主要解决点粒子描述精确性与量测模糊性之间不匹配的问题。其实现步骤是：1.在粒子滤波框架下将普通点粒子拓展为粒子群，通过目标状态预测得到粒子群中心；2.确定每一个粒子群中的粒子，并提取对应的候选目标；3.通过计算候选目标特征与模板之间的距离，对粒子群中心进行更新，并得到粒子群对应权值；4.对粒子群中心进行重采样，进而融合得到目标的状态估计，实现对目标的可靠跟踪。本发明专利技术更为高效的实现了对目标状态空间的覆盖，提高了目标跟踪的性能，提高了对大动态范围小目标的搜索和捕捉性能，可用于视频监控、无人机航拍跟踪、机器人导航等系统。

【技术实现步骤摘要】

本专利技术属于跟踪监测
，特别涉及一种视频目标跟踪方法，可用于视频监控、无人机航拍跟踪、机器人导航等系统。
技术介绍
在视频跟踪研究中，基于粒子滤波的目标跟踪方法由于其在解决非线性问题方面的优异特性，以及相对开放的跟踪框架对各种特征描述方法的兼容能力，在视频跟踪中得到了广泛的应用。然而，由于采样粒子的空间覆盖能力与实际量测存在的模糊性不相匹配，致使普通粒子滤波跟踪方法对于运动动态范围大的小目标的捕获性能变差。因此，如何提高粒子采样效率，利用较少的粒子实现对目标可能存在区域的有效覆盖，同时与量测模糊性相匹配，已成为视频跟踪研究中的难点问题。目前，典型的目标跟踪方法有：均值漂移，普通粒子滤波等。其中：均值漂移方法，虽然简单易实现，计算量小，但因具有局部收敛特性容易陷入局部最优解而产生明显的跟踪滞后效应，对小目标和快速移动的大动态范围目标易产生失跟，同时由于需要解析形式推导均值漂移向量，对特征描述方法有一定要求，使得许多特征方法无法应用到其中；普通粒子滤波方法的跟踪性能较大程度依赖于所采用的粒子数，且将所用粒子抽象为空间体积为零的点。这使得大量粒子映射到量测空间中，只占据若干个与量测尺度相当的区域，存在点粒子描述精确性与量测模糊性之间不匹配的问题，导致计算量的浪费。
技术实现思路
本专利技术的目的在于针对上述已有技术中的不足，提出一种基于粒子群的粒子滤波视频目标跟踪方法，已解决点粒子描述精确性与量测模糊性之间不匹配的问题，从而提升粒子采样效率及对大动态范围小目标的搜索和捕捉性能。实现本专利技术的技术方案旨在在跟踪过程中，通过将点粒子拓展为粒子群，以保证估计精度与箱粒子覆盖能力之间的平衡，从而更为高效的实现对目标状态空间的覆盖，提高对目标的搜索和捕捉性能，以及跟踪的实时性。本专利技术基于粒子群的粒子滤波视频目标跟踪方法，其步骤包括如下：(1)初始化粒子群：(1a)读入k-1时刻的图像Ik-1，初始化k-1时刻的粒子群中心集为其中，表示k-1时刻第i个粒子群的中心，i为粒子群序号，取值为1,2,···,N，N表示粒子群总数，k表示时刻，初始时刻为k＝1；(1b)初始化目标跟踪窗：Bk-1＝(rk-1,ck-1)T，其中rk-1和ck-1分别表示k-1时刻目标跟踪窗的长度和宽度值，T表示向量转置运算；(1c)根据目标初始状态与目标跟踪窗Bk-1，初始化目标的特征协方差矩阵M作为特征模板；(2)粒子群状态预测：(2a)读入k时刻的图像Ik，通过对k-1时刻图像中粒子群中心集的传递，得到k时刻图像中的预测粒子群中心集为其中表示k时刻的第i个预测粒子群中心；(2b)根据k时刻的预测粒子群中心集确定k时刻的粒子群集其中表示k时刻第i个粒子群中的第j个粒子，j为粒子序号，取值为1,2,···,M，M表示每个粒子群中的粒子总数；(3)粒子群状态更新(3a)根据k时刻粒子群集和目标跟踪窗Bk-1，确定k时刻的候选目标集其中，表示k时刻第i个粒子群中的第j个粒子所对应的候选目标，它表示以为中心、Bk-1为长宽所界定出的矩形区域；(3b)提取k时刻的候选目标集对应的候选目标特征集其中表示k时刻第i个粒子群中的第j个粒子所对应候选目标的特征协方差矩阵；(3c)根据候选目标特征集确定权值集其中表示k时刻第i个粒子群中的第j个粒子所对应的权值；(3d)根据权值集确定k时刻的更新粒子群中心集并确定粒子群权值集其中表示k时刻第i个更新粒子群中心，表示k时刻第i个粒子群所对应的权值；(4)重采样：利用重采样算法，根据粒子群权值集对k时刻的更新粒子群中心集进行重采样，得到k时刻的粒子群中心集其中表示k时刻第i个粒子群的中心；(5)目标状态估计：(5a)根据k时刻的粒子群中心集估计k时刻的目标状态Xk；(5b)根据k时刻的目标状态Xk和目标跟踪窗Bk，确定出k时刻目标Tk，并输出；(6)判断是否迭代：检查下一时刻的信息是否到达，若是，令k＝k+1，返回步骤(2)进行迭代，否则，目标跟踪过程结束。其中步骤(1a)中初始化k-1时刻的粒子群中心集为通过如下步骤确定：(1a1)根据目标的初始状态X0，产生k-1时刻第i个粒子群中心其中，服从均值为X0方差为Ψ1的高斯分布，X0为目标的初始状态，Ψ1为过程噪声方差；(1a2)用步骤(1a1)所得的N个粒子群中心，组成粒子群中心集其中步骤(2a)中通过对k-1时刻图像中粒子群中心集的传递，得到k时刻图像中的预测粒子群中心集为通过如下步骤确定：(2a1)对k-1时刻第i个粒子群中心进行传递，得到k时刻第i个预测粒子群中心其中，vk-1为状态噪声，其服从均值为状态噪声协方差为Ψ1的高斯分布；(2a2)用步骤(2a1)中所得的N个粒子群中心，组成粒子群中心集其中步骤(2b)中根据k时刻的预测粒子群中心集确定k时刻的粒子群集通过如下步骤确定：(2b1)根据k时刻第i个预测粒子群中心确定k时刻第i个粒子群其中，服从均值为方差为Ψ2的高斯分布，Ψ2为粒子群过程噪声方差；(2b2)用步骤(2b1)得到的N个粒子群，组成k时刻的粒子群集其中步骤(3a)中根据k时刻粒子群集和目标跟踪窗Bk-1，确定k时刻的候选目标集通过如下步骤确定：(3a1)确定k时刻第i个粒子群中的第j个粒子所对应的候选目标其中，和分别表示k时刻i个粒子群中的第j个粒子的横坐标和纵坐标,i为粒子群序号，取值为1,2,···,N，j为粒子序号，取值为1,2,···,M，；(3a2)用步骤(3a1)中所得的N×M候选目标，组成k时刻的候选目标集其中步骤(3b)中提取k时刻的候选目标集对应的候选目标特征集通过如下步骤确定：(3b1)计算图像Ik中(x,y)处的像素点所对应的特征向量F(x,y)：其中，Ik(x,y)为图像Ik像素点(x,y)处的灰度值，和分别表示图像Ik像素点(x,y)处x方向的一阶和二阶梯度，和分别表示图像Ik像素点(x,y)处y方向的一阶和二阶梯度，T表示向量转置，x的取值为1,2···W，y的取值为1,2···H，W表示图像Ik的宽，H表示图像Ik的高；(3b2)用步骤(3b1)中得到的W×H个特征向量，组成特征图F：F＝{F(x,y)|x＝1,2,···,W,y＝1,2,···,H本文档来自技高网...

【技术保护点】
一种基于粒子群的粒子滤波视频目标跟踪方法，包括：(1)初始化粒子群：(1a)读入k‑1时刻的图像Ik‑1，初始化k‑1时刻的粒子群中心集为其中，表示k‑1时刻第i个粒子群的中心，i为粒子群序号，取值为1,2,…,N，N表示粒子群总数，k表示时刻，初始时刻为k＝1；(1b)初始化目标跟踪窗：Bk‑1＝(rk‑1,ck‑1)T，其中rk‑1和ck‑1分别表示k‑1时刻目标跟踪窗的长度和宽度值，T表示向量转置运算；(1c)根据目标初始状态与目标跟踪窗Bk‑1，初始化目标的特征协方差矩阵M作为特征模板；(2)粒子群状态预测：(2a)读入k时刻的图像Ik，通过对k‑1时刻图像中粒子群中心集的传递，得到k时刻图像中的预测粒子群中心集为其中表示k时刻的第i个预测粒子群中心；(2b)根据k时刻的预测粒子群中心集确定k时刻的粒子群集其中表示k时刻第i个粒子群中的第j个粒子，j为粒子序号，取值为1,2,…,M，M表示每个粒子群中的粒子总数；(3)粒子群状态更新(3a)根据k时刻粒子群集和目标跟踪窗Bk‑1，确定k时刻的候选目标集其中，表示k时刻第i个粒子群中的第j个粒子所对应的候选目标，它表示以为中心、Bk‑1为长宽所界定出的矩形区域；(3b)提取k时刻的候选目标集对应的候选目标特征集其中表示k时刻第i个粒子群中的第j个粒子所对应候选目标的特征协方差矩阵；(3c)根据候选目标特征集确定权值集其中表示k时刻第i个粒子群中的第j个粒子所对应的权值；(3d)根据权值集确定k时刻的更新粒子群中心集并确定粒子群权值集其中表示k时刻第i个更新粒子群中心，表示k时刻第i个粒子群所对应的权值；(4)重采样：利用重采样算法，根据粒子群权值集对k时刻的更新粒子群中心集进行重采样，得到k时刻的粒子群中心集其中表示k时刻第i个粒子群的中心；(5)目标状态估计：(5a)根据k时刻的粒子群中心集估计k时刻的目标状态Xk；(5b)根据k时刻的目标状态Xk和目标跟踪窗Bk，确定出k时刻目标Tk，并输出；(6)判断是否迭代：检查下一时刻的信息是否到达，若是，令k＝k+1，返回步骤(2)进行迭代，否则，目标跟踪过程结束。...

【技术特征摘要】
1.一种基于粒子群的粒子滤波视频目标跟踪方法，包括：(1)初始化粒子群：(1a)读入k-1时刻的图像Ik-1，初始化k-1时刻的粒子群中心集为其中，表示k-1时刻第i个粒子群的中心，i为粒子群序号，取值为1,2,…,N，N表示粒子群总数，k表示时刻，初始时刻为k＝1；(1b)初始化目标跟踪窗：Bk-1＝(rk-1,ck-1)T，其中rk-1和ck-1分别表示k-1时刻目标跟踪窗的长度和宽度值，T表示向量转置运算；(1c)根据目标初始状态与目标跟踪窗Bk-1，初始化目标的特征协方差矩阵M作为特征模板；(2)粒子群状态预测：(2a)读入k时刻的图像Ik，通过对k-1时刻图像中粒子群中心集的传递，得到k时刻图像中的预测粒子群中心集为其中表示k时刻的第i个预测粒子群中心；(2b)根据k时刻的预测粒子群中心集确定k时刻的粒子群集其中表示k时刻第i个粒子群中的第j个粒子，j为粒子序号，取值为1,2,…,M，M表示每个粒子群中的粒子总数；(3)粒子群状态更新(3a)根据k时刻粒子群集和目标跟踪窗Bk-1，确定k时刻的候选目标集其中，表示k时刻第i个粒子群中的第j个粒子所对应的候选目标，它表示以为中心、Bk-1为长宽所界定出的矩形区域；(3b)提取k时刻的候选...

【专利技术属性】
技术研发人员：张文博，王阳，刘月，徐步，刘其民，
申请(专利权)人：昆山鲲鹏无人机科技有限公司，鲲鹏通讯昆山有限公司，
类型：发明
国别省市：江苏;32