【技术实现步骤摘要】
一种基于改进的粒子滤波算法的目标跟踪方法
本专利技术涉及数据识别；数据表示；记录载体；记录载体的处理的
，特别涉及一种基于改进的粒子滤波算法的目标跟踪方法。
技术介绍
运动目标检测是视频分析技术研究的重要研究方向之一，其应用领域广泛而且与人们的生活息息相关，如在智能监控系统中，精准的目标跟踪是实现对指定行人进行异常行为检测分析的前提。视频分析技术中，目标跟踪是在视频帧中搜索和提取目标特征并与目标模板进行匹配的过程。按照匹配目标模板的类型，运动目标跟踪算法包括如下几类，其缺陷也是非常明显的。基于特征匹配的跟踪算法。基于特征匹配的目标跟踪算法是提取能够表达目标信息的特征并在后续视频序列中以此特征为模板寻找最优目标位置的过程；描述目标的特征应具有区分性强和易于获取的特性，然而，单一的特征表达的目标信息有限，描述目标不够立体，因此可以从多个维度对目标进行描述并按照一定方法将不同维度的目标特征进行融合作为跟踪目标的模板，通过提高目标模板的区分性来提升跟踪的准确性。常用的描述目标的特征有颜色特征、纹理特征、角点特征
【技术保护点】
1.一种基于改进的粒子滤波算法的目标跟踪方法，其特征在于：所述方法包括以下步骤：/n步骤1：获取视频流；/n步骤2：读取首帧图像，选定跟踪的目标；/n步骤3：进行多维特征提取，建立目标模板；/n步骤4：读取下一帧图像，以目标模板进行目标搜索；/n步骤5：对搜索到的目标进行加权重采样；/n步骤6：进行干扰检测，若存在干扰，则进行校正，进行下一步，否则，直接进行下一步；/n步骤7：若目标模板更新条件被触发，则更新目标模板，返回步骤4，否则，直接返回步骤4。/n
【技术特征摘要】
1.一种基于改进的粒子滤波算法的目标跟踪方法，其特征在于：所述方法包括以下步骤：
步骤1：获取视频流；
步骤2：读取首帧图像，选定跟踪的目标；
步骤3：进行多维特征提取，建立目标模板；
步骤4：读取下一帧图像，以目标模板进行目标搜索；
步骤5：对搜索到的目标进行加权重采样；
步骤6：进行干扰检测，若存在干扰，则进行校正，进行下一步，否则，直接进行下一步；
步骤7：若目标模板更新条件被触发，则更新目标模板，返回步骤4，否则，直接返回步骤4。
2.根据权利要求1所述的一种基于改进的粒子滤波算法的目标跟踪方法，其特征在于：所述步骤3包括以下步骤：
步骤3.1：将视频首帧的HSV空间的3个分量H、S、V分别划分为4个等级，总级数为64，统计每个像素在每一分量的数量，进行直方图统计，得到HSV颜色特征及对应的目标区域的直方图pu；
步骤3.2：使用8采样点的等价模式的LBP算子提取图像的纹理特征；
步骤3.3：建立目标模板。
3.根据权利要求2所述的一种基于改进的粒子滤波算法的目标跟踪方法，其特征在于：所述步骤3.1中，进行直方图统计时，根据像素与已选定目标的中心点的距离，像素被赋予不同的权值其中，r为像素与目标中心点的距离。
4.根据权利要求3所述的一种基于改进的粒子滤波算法的目标跟踪方法，其特征在于：所述目标区域的直方图其中，N为像素总数，||x0-xi||为像素xi到像素x0的距离，b(xi)为像素xi处对应直方图的索引值，δ为狄拉克函数，直方图的区间索引范围u∈[1,64]，Hx为目标矩形的半宽，Hy为目标矩形的半高，k为像素的权值。
5.根据权利要求1所述的一种基于改进的粒子滤波算法的目标跟踪方法，其特征在于：所述步骤4包括以下步骤：
步骤4.1：对所述下一帧图像进行重采样，在当前帧中提取每个目标的多维特征，包括目标的HSV颜色特征分布直方图以及UniformLBP纹理特征分布直方图其中，j为粒子序号；
步骤4.2：以计算第j个粒子的颜色特征直方图、纹理特征直方图的相似系数和其中，n为目标模板pu和粒子特征直方图的维数；
步骤4.3：通过加权特征融合得到每个粒子的相似度权值其中，α、β分别为颜色特征和纹理特征的权重，0≤α≤1，0≤β≤1。
6.根据权利要求5所述的一种基于改进的粒子滤波算法的目标跟踪方法...
【专利技术属性】
技术研发人员：李文书，
申请(专利权)人：杭州视鑫科技有限公司，
类型：发明
国别省市：浙江;33
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。