复杂场景下基于粒子滤波器的运动目标跟踪方法技术

本发明专利技术公开一种复杂场景下基于粒子滤波器的运动目标跟踪方法，本发明专利技术将粒子滤波器框架应用于视频跟踪，在系统观测阶段使用运动信息进行粒子后验概率的计算：首先通过相邻两帧图像相减得到帧间差图像，然后与边缘图像进行比较，通过评价函数得到不同粒子的后验概率，最后在粒子滤波器框架下得到视频跟踪的结果。本发明专利技术同时使用结构化ＲＧＢ颜色分布信息进行辅助判断，以便于处理物体静止时没有运动信息的情况。本发明专利技术提供的方法将运动信息嵌入到粒子滤波器实现视频跟踪，提高了跟踪的准确性和鲁棒性。

【技术实现步骤摘要】

本专利技术属于数字图像内容理解、人工智能、视频监控领域，具体涉及基于粒子滤波 器框架的视频跟踪方法。
技术介绍
视频目标跟踪实际上是将视频流切分成以帧为单位的视频图像序列，通过对这些 图像序列中的图像特征的分析，在其中找到我们感兴趣的目标的过程。目前常见的视频跟 踪方法有多种种类，比如基于特征的方法、基于运动的方法、基于匹配的方法等等。由于视频目标跟踪的目的是在连续的图像序列中，“找出，，用户感兴趣的目标，而 目标可以使用它的形状、大小、位置等状态信息来描述，因此跟踪问题可以等价成为对目标 状态的求解问题，这个求解过程可以用估计理论来实现。状态的估计是通过对图像相关视 觉信息的观测来进行的，比如目标的灰度信息、运动信息、轮廓信息等。由于是有目的的跟 踪，因此往往认为目标具有一定的先验知识，比如灰度模板、颜色分布等等。根据目标的先 验知识以及对其观测结果，可以构造贝叶斯概率模型，求解目标状态的后验概率，通过比较 后验概率得到跟踪的结果。粒子滤波器(Particle Filter)是求解贝叶斯概率的一种实用算法，又称为条件 概率密度传播算法、bootstrap filtering、序贯重要性采样等。它的基本思想是使用一组 带有权值的粒子(样本)集合来近似表示解决问题时需要的系统后验概率密度。它作为 一种基于贝叶斯估计的非线性滤波算法，在处理非线性运动目标跟踪问题方面有独到的优 势。它可以分成粒子初始化、系统状态转移、系统观测、后验概率计算、粒子重采样等几个阶 段。现有技术中，粒子滤波技术主要是在系统观测和后验概率计算两个阶段通过使用颜色 信息得到粒子状态的后验概率。这种方法在跟踪目标与背景颜色分布相差较大以及跟踪目 标短时间内被部分遮挡的情况下也能取得较好的跟踪效果，但它在复杂场景下，尤其是当 背景变化较大、光照变化较频繁、目标与背景颜色较接近时下无法得到很好的估计结果。由此可见，现有技术在复杂环境下对运动目标跟踪具有准确率低、可靠性差的缺 点o
技术实现思路
为了解决弥补现有方法的不足，提高运动目标跟踪的准确性和鲁棒性，本专利技术目 的是提供一种。为达成所述目的，本专利技术提供一种复杂场景下基于粒子滤波器的运动目标跟踪方 法，该方法综合使用视频图像的运动目标的颜色信息与运动信息，能够处理目标被遮挡、暂 时消失、风吹草动及复杂场景下的运动目标跟踪，基于粒子滤波器理论框架，将粒子滤波器 理论用于视频序列的运动目标跟踪，其步骤如下所述步骤S1 基于粒子滤波器理论框架对粒子进行初始化，是使用模板匹配在初始图 像中寻找运动目标的初始位置，得到其运动信息，并以此作为初始化系统状态设置每个粒4子，进行粒子初始化；步骤S2 基于粒子滤波器理论框架，粒子选择跟踪目标的运动信息作为粒子系统 状态，并按照一阶自回归方程进行传播，即粒子在下一阶段的系统状态为当前阶段的系统 状态加一个随机扰动使粒子系统状态发生转移；步骤S3 基于粒子滤波器理论框架对粒子的系统状态进行观测，使用结构化加权 RGB颜色直方图分布，计算每个粒子基于颜色信息的后验概率；步骤S4 基于粒子滤波器理论框架，由每个粒子的帧间差图像以及边缘图像，获 得粒子的运动信息，然后选择评价函数，将运动信息转化成为概率密度分布，获得每个粒子 基于运动信息的后验概率分布；步骤S5 基于粒子滤波器理论框架计算后验概率，融合基于运动目标的颜色信息 与运动信息的粒子后验概率分布得到最终的粒子联合后验概率分布；通过调整参数确定颜 色信息与运动信息对最终粒子后验概率分布结果的影响；步骤S6 利用每个粒子的后验概率，选择后验概率最大的粒子的系统状态或所有 粒子系统状态的数学期望，作为系统状态的估计，确定跟踪目标的运动信息，完成运动目标 足艮足宗；步骤S7 当粒子经过若干次系统转移后，一部分粒子的系统状态距离跟踪目标较 远，对粒子进行重采样，抛弃部分后验概率过小的粒子，返回步骤S2。优选地，所述基于颜色信息的粒子后验概率分布的获取步骤是首先计算跟踪目 标模板的结构化加权RGB颜色直方图，其次计算每个粒子的结构化加权RGB颜色直方图，然 后将两者进行比较，得到粒子图像与运动目标模板图像之间颜色分布的距离差别，并将该 距离差别进行高斯化、归一化之后成为概率分布，作为基于颜色信息的粒子后验概率分布。优选地，所述结构化加权RGB颜色直方图获取步骤是将RGB颜色空间根据RGB颜 色值分成一系列颜色区间，然后根据像素的位置及其颜色值，决定该像素在结构化加权RGB 颜色直方图中的贡献；通过遍历图像关注区域中的每个像素，最终得到结构化加权RGB颜 色直方图分布。优选地，所述计算运动信息的粒子后验概率分布的步骤是通过对帧间差图像以 及边缘图像进行像素级别的与运算，得到运动边缘图像，根据粒子图像包含运动边缘信息 的数目考察粒子的相似度，并将粒子的相似度用评价函数处理成为概率分布，作为基于运 动信息的粒子后验概率分布。优选地，所述边缘图像是反映当前帧图像的边缘信息，包括运动目标的边缘和静 止的边缘，帧间差图像反映的是运动目标的边缘以及背景颜色变化较大的地方，将边缘图 像和帧间差图像两者结合起来，得到运动目标的边缘信息为跟踪目标的运动信息。有益效果从上述方法可以看出，现有技术仅仅利用了颜色信息，无法适应复杂场景下的运 动目标跟踪，而本专利技术实施例提供的方法，基于粒子滤波器理论框架，将粒子滤波器理论用 于复杂场景下视频序列的运动目标跟踪，一方面利用了颜色信息，另一方面利用了物体的 运动信息，能够处理目标被遮挡、暂时消失、风吹草动及复杂场景下的运动目标跟踪，可以 有效的提高在复杂场景，尤其是背景颜色变化较大、光照变化较频繁、目标与背景颜色较接 近等情况下，对运动目标进行跟踪的准确性与鲁棒性。附图说明图1为本专利技术实施例在复杂场景下基于粒子滤波器方法的运动目标跟踪的原理 性流程图；图2为本专利技术实施例计算基于颜色信息的粒子后验概率的原理性流程图；图3为视频序列图像以及粒子的帧间差与边缘图像示例；图4为本专利技术实施例计算基于运动信息的粒子后验概率的原理性流程图。具体实施例方式下面结合附图和实施例对本专利技术做进一步详细的说明。该方法主要内容包括使用运动状态(位置、大小等)表示运动目标，在粒子滤波 器理论框架下对运动状态进行估计。为了在复杂环境下得到好的跟踪效果，在粒子滤波的 系统观测阶段，同时使用颜色信息以及运动信息计算粒子的后验概率。如图1所示，使用运动物体的位 置、尺度等运动信息作为粒子的系统状态，经过粒子初始化、粒子系统状态转移、计算基于 颜色信息的粒子后验概率、计算基于运动信息的粒子后验概率、计算最终粒子后验概率、得 到系统状态估计以及粒子重采样几个阶段，获得对粒子的系统状态的估计，实现运动目标 足艮足宗。1、粒子初始化阶段粒子初始化阶段，包括设置粒子的初始系统状态以及确定粒子数目。在视频序列 图像的第一帧图像中找到运动目标的位置，并以此初始化粒子的系统状态。本实施例采用 颜色模板匹配的方法寻找粒子初始位置。首先根据先验知识获得要跟踪运动目标的RGB颜 色模板，然后在初始帧中搜索与模板相似度最大的区域，作为目标的初始位置，并将这个初 始位置信息作为初始化系统状态设置给每个粒子。粒子数目与粒子系统状态的数目有关。当粒子数目过本文档来自技高网...

【技术保护点】
一种复杂场景下基于粒子滤波器的运动目标跟踪方法，其特征在于，该方法综合使用视频图像中运动目标的颜色信息与运动信息，能够处理目标被遮挡、暂时消失、风吹草动及复杂场景下的运动目标跟踪，基于粒子滤波器理论框架，将粒子滤波器理论用于视频序列的运动目标跟踪，其步骤如下所述：步骤Ｓ１：基于粒子滤波器理论框架对粒子进行初始化，是使用模板匹配在初始图像中寻找运动目标的初始位置，得到其运动信息，并以此作为初始化系统状态设置每个粒子，进行粒子初始化；步骤Ｓ２：基于粒子滤波器理论框架，粒子选择跟踪运动目标的运动信息作为粒子系统状态，并按照一阶自回归方程进行传播，即粒子在下一阶段的系统状态为当前阶段的系统状态加一个随机扰动使粒子系统状态发生转移；步骤Ｓ３：基于粒子滤波器理论框架对粒子的系统状态进行观测，使用结构化加权ＲＧＢ颜色直方图分布，计算每个粒子基于颜色信息的后验概率；步骤Ｓ４：基于粒子滤波器理论框架，由每个粒子的帧间差图像以及边缘图像，获得粒子的运动信息，然后选择评价函数，将运动信息转化成为概率密度分布，获得每个粒子基于运动信息的后验概率分布；步骤Ｓ５：基于粒子滤波器理论框架计算后验概率，融合基于运动目标的颜色信息与运动信息的粒子后验概率分布得到最终的粒子联合后验概率分布；通过调整参数确定颜色信息与运动信息对最终粒子后验概率分布结果的影响；步骤Ｓ６：利用每个粒子的后验概率，选择后验概率最大的粒子的系统状态或所有粒子系统状态的数学期望，作为系统状态的估计，确定跟踪目标的运动信息，完成运动目标跟踪；步骤Ｓ７：当粒子经过若干次系统转移后，一部分粒子的系统状态距离跟踪目标较远，对粒子进行重采样，抛弃部分后验概率过小的粒子，返回步骤Ｓ２。...

【技术特征摘要】

【专利技术属性】
技术研发人员：张文生，丁欢，张水发，常晓夫，王虎，冯园园，杨名宇，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：11[中国|北京]