【技术实现步骤摘要】
一种多特征级联融合的相关粒子滤波视频跟踪方法
[0001]本专利技术涉及一种视频目标跟踪方法，具体涉及一种多特征级联融合的相关粒子滤波视频跟踪方法。
技术介绍
[0002]视频目标跟踪是计算机视觉领域研究的核心课题之一，在视频监控、人机交互、视觉导航和医疗诊断等多方面都有极为广泛的应用。视频目标跟踪技术是指根据先行选定的感兴趣物体目标，在后续的视频序列图像中对感兴趣目标物体进行检测、识别，并获得目标的位置、大小等运动参数。在实际应用场景中，存在光照变化、目标遮挡、目标形变等复杂背景情况，造成目标信息缺失或获取目标信息受到干扰，从而导致跟踪不准确，为了保证目标跟踪效果的可靠性，需要进一步提高目标跟踪算法的鲁棒性。
[0003]粒子滤波通过非参数化的蒙特卡罗方法来实现递推贝叶斯滤波。粒子滤波的思想是利用大量粒子模拟目标的状态分布，粒子数量越大，对于目标最终的位置估计越精确，但是粒子数量大使粒子滤波的计算复杂性增加。基于相关滤波的目标跟踪算法是将相关滤波思想引入到目标跟踪应用中，通过设计一个相关滤波器模板，使得当它作用在跟...
【技术保护点】
【技术特征摘要】
1.一种多特征级联融合的相关粒子滤波视频跟踪方法，其特征在于：该方法包括如下步骤：步骤1：获取一组含有M帧的视频图像，对初始帧图像进行初始化设置，包括对初始帧图像中目标的质心动力学状态初始化设置，质心粒子集初始化设置，并将该初始帧图像对应的目标颜色特征相关滤波器和目标边缘特征相关滤波器进行初始化设置；步骤2：读取下一帧对应的帧图像，根据上一帧图像对应的粒子的动力学运动状态，对当前帧图像的粒子运动状态进行预测，得到当前帧图像对应粒子集的预测状态；步骤3：根据上一帧图像对应的目标颜色特征相关滤波器对当前帧图像的粒子集的预测状态进行一级更新；步骤4：根据上一帧图像对应的目标边缘特征相关滤波器对步骤3获取的当前帧图像的粒子集的估计状态进行二级更新；步骤5：根据步骤4得到的当前帧图像的粒子集的估计状态进行处理得到当前帧图像中目标的质心动力学估计状态；步骤6：以步骤5得到的当前帧图像中目标的质心动力学估计状态为前提，更新当前帧图像对应的目标颜色特征、目标边缘特征以及对应的目标颜色特征相关滤波器和目标边缘特征相关滤波器；步骤7：重复步骤2
‑
步骤6，直至M帧的视频图像中每一帧图像均完成上述处理后结束。2.如权利要求1所述的多特征级联融合的相关粒子滤波视频跟踪方法，其特征在于：所述的步骤1对初始帧图像的目标的质心进行动力学状态初始化设置，其中目标质心的动力学方程为：x
k
＝Ax
k
‑1+ω
k
其中，A为目标质心运动的状态转移矩阵，T为采样时间间隔，ω
k
为均值为零的高斯白噪声；设定目标质心的初始动力学状态为x0,y0分别表示目标质心粒子的横纵坐标，分别表示目标质心粒子在x方向和y方向的运动速度。3.如权利要求1所述的多特征级联融合的相关粒子滤波视频跟踪方法，其特征在于：所述的步骤1对目标质心粒子的初始化设置过程如下：以目标质心为中心设置目标边界框，以目标质心的初始动力学状态为正态分布的均值，以目标边界框的对角线构造正态分布的方差，对目标边界框进行随机采样，得到N个随机粒子，并给N个粒子分配相等的权值。4.如权利要求1所述的多特征级联融合的相关粒子滤波视频跟踪方法，其特征在于：所述的步骤1将初始帧图像对应的目标颜色特征相关滤波器和目标边缘特征相关滤波器进行初始化设置过程如下：以目标边界框的质心为中心，选定一个大小为目标边界框2.5倍的窗口，对该窗口采用循环移位方法构建训练样本集，提取训练样本集的颜色特征和边缘特征，利用岭回归方法对颜色特征和边缘特征分别进行训练，得到目标颜色特征相关滤波器和目标边缘特征相关滤波器。5.如权利要求1所述的多特征级联融合的相关粒子滤波视频跟踪方法，其特征在于：所述的步骤3根据上一帧图像对应的目标颜色特征相关滤波器对当前帧图像对应粒子集的预测状态进行一级更新具体过程如下：步骤3.1：分别以当前帧图像中每个粒子的位置为中心，选定一个大小为目标边界框
2.5倍的搜索局域，对该搜索局域采用循环移位方法构建样本集，提取样本集的颜色特征，获得当前帧图像中每个粒子的颜色特征；步骤3.2：针对当前帧图像对应的颜色特征，对当前帧...
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。