【技术实现步骤摘要】
一种适用于四足机器人巡检的人体目标识别跟踪方法
[0001]本专利技术涉及机器人领域与计算机视觉领域，具体涉及一种适用于四足机器人巡检场景下的人体目标识别跟踪方法。
技术介绍
[0002]移动机器人应用领域正在快速扩展，无论是服务型机器人还是军事作战机器人等，人体目标识别跟踪是智能服务机器人需要具备的重要功能之一。人体目标识别跟踪是实现移动机器人跟随目标人任务的关键技术，需要为移动机器人提供人体目标的相对位置。目前，人体目标识别跟踪技术已在视频监控和智能驾驶等领域广泛应用。
[0003]现有的人体目标识别跟踪算法的应用场景大多为相机固定的监控场景或者移动平稳的平台，但在足式机器人应用场景中，相机频繁的抖动和目标的快速运动使得现有的识别跟踪算法很容易产生漂移，往往跟踪失败。面向四足机器人跟随作业的目标人跟踪技术面临如下挑战：(1)背景和光照的变化；(2)人体的非刚体性导致目标人的姿态千变万化；(3)目标人被其他物体或行人遮挡；(4)频繁抖动造成的图像模糊和画面跳跃。
技术实现思路
[0004]本专利技术...
【技术保护点】
【技术特征摘要】
1.一种适用于四足机器人巡检的人体目标识别跟踪方法，在粒子滤波的框架下进行人体目标识别跟踪，其特征在于，所述方法包括以下步骤：S1：初始化：从视频帧中获取人体目标的初始状态X
t
‑1，t时刻的粒子集合为由X
t
‑1以迭代的方式生成，其中Ns表示粒子数目；S2：目标状态预测：运动模型采用高斯运动模型及特征点跟踪模型结合的方式完成目标状态预测，高斯运动模型传递粒子覆盖追踪目标，解决人体目标被遮挡问题；特征点跟踪模型进行粒子运动状态预测，降低由于相机抖动造成的画面跃迁时跟踪漂移的概率；S3：系统观测：观测模型采用分类检测器及目标识别器结合的方式完成对目标人位置估计；通过观测模型的分类检测器进行行人类别的检测，再通过目标识别器进行目标人的识别，完成目标人位置估计；S4：重采样：通过观测模型得到粒子的权重，经过归一化权重后进行重采样，对分类器模板进行更新，得到当前时刻的最终粒子集；S5：目标跟踪结果：根据最终粒子集计算每个目标状态，并加权平均得到目标跟踪结果；检查下一时刻的信息是否到达，若是，返回步骤S2，并把最终粒子集作为下一次滤波过程的输入；否则，目标跟踪过程结束。2.根据权利要求1所述的人体目标识别跟踪方法，其特征在于，所述运动模型中粒子的状态向量为X＝[x,y,s,μ,ν]
T
，其中，(x,y)为图像坐标系下二维位置坐标；s为粒子的像素宽度；(μ,ν)分别为x坐标轴和y坐标轴上的速度分量；t时刻的粒子集合为由X
t
‑1以迭代的方式生成，其中Ns表示粒子数目。3.根据权利要求2所述的人体目标识别跟踪方法，其特征在于，所述高斯运动模型进行粒子的传递过程为：其中，为t时刻第i个粒子的状态向量，过程噪声服从零均值的正态分布，假设每一维状态变量之间彼此独立；位置(x,y)和像素宽度s的噪声方差与目标的大小成正比；速度分量(μ,ν)的噪声方差为常量。4.根据权利要求3所述的人体目标识别跟踪方法，其特征在于，所述特征点跟踪模型为：在t
‑
1时刻的跟踪结果矩形框内提取特征点，计算特征点的中心之后使用Lucas
‑
Canade光流法来跟踪当前帧的特征点，并计算所跟踪到的特征点中心，记为粒子的期望状态记为由式(2)给出：
其中，假设前一帧特征点中心当前帧特征点中心以及对应的跟踪矩形框结果相对位置关系保持不变，最后将特征点跟模型生成的粒子由以为均值的高斯分布采样得到；通过特征点跟踪给出目标位置，由式(3)所示：其中，为高斯噪声，为前一帧的跟踪结果；Ω(
·
)为将前一帧的跟踪结果映射为t时刻粒子集合的期望状态5.根据权利要求4所述的人体目标识别跟踪方法，其特征在于，所述运动模型采用高斯运动模型及特征点跟踪模型结合的粒子传递模型为：X
t
＝ηX
t
+(1
‑
η)X
t
ꢀꢀꢀꢀꢀꢀ
(4)其中，η表示高斯运动模型传递粒子的百分比，0≤η≤1；全体粒子分成两个部分，一部分由高斯运动模型传递，有ηNs个粒子；另一部分由特征点跟踪模型传递，剩余(1
‑
η)Ns个粒子；η的值依据瞬时位移检测器进行自适应调整，当检测到瞬时位移时，增大特征点跟踪模型的权重，即减小η的值。6.根据权...
【专利技术属性】
技术研发人员：朱孟周，朱睿，陶风波，黄强，陈久林，梁伟，黄浩声，李虎成，黄哲忱，
申请(专利权)人：江苏省电力试验研究院有限公司，
类型：发明
国别省市：
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。