【技术实现步骤摘要】
本专利技术涉及图像处理方法，特别涉及运动对象的跟踪方法和跟踪装置。
技术介绍
运动对象的跟踪是许多计算机视觉应用系统的重要组成部分，如视频监控、人机交互、驾驶员辅助系统、机器人导航等。运动对象跟踪的主要目的是获得运动对象在图像序列或视频中的轨迹，更进一步地，有时还要求得到运动对象的尺度、形状或三维姿态信息。经过几十年的发展，在运动对象跟踪领域出现了大量的跟踪方法，其中以粒子滤波为代表的一类概率跟踪方法得到了研究和开发人员的广泛关注。 粒子滤波是一种序列蒙特卡罗(Sequential Monte Carlo)算法，它是通过一群随机采样得到的粒子集来近似系统状态的分布，每一个粒子被赋予一个权重以表示其重要程度，即系统处于该粒子所表示状态的可能性大小。每个粒子通过系统动态模型向下一个时间步传播，在获得新的图像之后，每个粒子通过系统观察模型更新其权重。此外，为了减轻粒子退化问题，即少数粒子具有很大的权重而大多数粒子具有很小的权重，引入了重要性重采样方法。重要性重采样将权重大的粒子采样成几个粒子，而权重小的粒子可能得不到采样。 现有技术的粒子滤波跟踪方法是在原始...
【技术保护点】
一种粒子滤波跟踪方法，用于在采集原始图像后跟踪运动对象，包括如下步骤： 步骤Ｓ１：在原始图像帧上采样获得初始粒子集； 步骤Ｓ２：对原始图像帧的像素经过前景背景分类得到概率图； 步骤Ｓ３：按照系统动态模型传播粒子并采样，得到 第二粒子集； 步骤Ｓ４：按照在概率图上构建的系统观察模型得到所述第二粒子集的粒子的权重，并归一化粒子的权重得到第三粒子集； 步骤Ｓ５：对所述第三粒子集进行重要性重采样，得到重采样粒子集； 步骤Ｓ６：通过重采样粒子集计算系统 状态并输出。
【技术特征摘要】
1、一种粒子滤波跟踪方法，用于在采集原始图像后跟踪运动对象，包括如下步骤步骤S1在原始图像帧上采样获得初始粒子集；步骤S2对原始图像帧的像素经过前景背景分类得到概率步骤S3按照系统动态模型传播粒子并采样，得到第二粒子集；步骤S4按照在概率图上构建的系统观察模型得到所述第二粒子集的粒子的权重，并归一化粒子的权重得到第三粒子集；步骤S5对所述第三粒子集进行重要性重采样，得到重采样粒子集；步骤S6通过重采样粒子集计算系统状态并输出。2、根据权利要求1所述的粒子滤波跟踪方法，其特征是，在步骤S1中，所述粒子是指系统状态的可能的取值，所述系统状态包括运动对象的位置和尺度。3、根据权利要求2所述的粒子滤波跟踪方法，其特征是，在步骤S1中，所述采样是按照系统状态服从高斯分布进行的。4、根据权利要求3所述的粒子滤波跟踪方法，其特征是，所述高斯分布的均值是由事先训练得到的运动对象检测器或人工将运动对象标注在初始时刻的图像帧上得到；所述高斯分布的方差为对角矩阵并且对角矩阵中位置的方差分别设置为运动对象的初始宽和高的整数倍，对角矩阵中尺度的方差分别设置为零。5、根据权利要求1所述的粒子滤波跟踪方法，其特征是，所述系统动态模型采用自回归模型。6、根据权利要求5所述的粒子滤波跟踪方法，其特征是，在所述自回归模型中，对于运动对象的位置变化采用恒定速度模型，并且其标准偏差的设置范围为0至5个像素每帧，对于运动对象的尺度变化采用随机游走模型，并且其标准偏差的设置范围为0.05至0.2每帧。7、根据权利要求5所述的粒子滤波跟踪方法，其特征是，在所述自回归模型中，对于运动对象的位置变化采用恒定加速度模型。8、根据权利要求1所述的粒子滤波跟踪方法，其特征是，所述步骤S4中，所述系统观察模型由与系统状态的矩形区域内信息对应的区域观察模型和与所述矩形区域的边界信息对应的边界观察模型构成。9、根据权利要求8所述的粒子滤波跟踪方法，其特征是，所述区域观察模型是由所述矩形区域在概率图上的平均概率值导出的距离值按照高斯分布建模得到。10、根据权利要求8所述的粒子滤波跟踪方法，其特征是，所述边界观察模型是由当前位置与预先设定的边界相关模板的相似度导出的距离值按照高斯分布建模得到。11、根据权利要求8所述的粒子滤波跟踪方法，其特征是，所述区域观察模型为其中，Wt(u)表示概率图上象素点u＝(x，y)T对应的概率值，zt表示图像观察值，λ是控制参数，R(xt)表示系统状态xt所对应的矩形区域，wt和ht为所述矩形区域的宽和高，且wt＝atwref，ht＝bthref，wref和href分别为运动对象在初始时刻的宽和高，xt＝(xt，yt，at，bt，xt-1，yt-1，at-1，bt-1)T，(xt，yt)T是对象的中心位置坐标，at是当前帧运动对象在x轴方向的宽度与初始时刻视频帧中运动对象在x轴方向的宽度的比值，bt是当前帧运动对象在y轴方向的高度与初始时刻图像帧中运动对象在y轴方向的高度的比值，下标t表示当前时刻的图像帧序号。12、根据权利要求8所述的粒子滤波跟踪方法，其特征是，所述边界观察模型为其中，其中，代表相关算子，I∈{L，R，T，B}，CL、CR、CT和CB表示运动对象的左、右、上和下矩形边界的相关模板，所述左、右、上和下矩形边界的宽×高分别为3×ht、3×ht、wt×3和wt×3，w′和h′分别表示相应相关模板的宽和高。13、根据权利要求11或12所述的粒子滤波跟踪方法，其特征是，所述控制参数λ的取值范围为在4至6之间的实数。14、根据权利要求8所述的粒子滤波跟踪方法，其特征是，所述系统的观察模型包括所述区域观察模型和所述边界观察模型的乘积。15、根据权利要求11或12所述的粒子滤波跟踪方法，其特征是，所述区域观察模型中的求和操作或所述边界观察模型中的相关操作是通过积分图像的数据结构计算得到。16、根据权利要求1所述的粒子滤波跟踪方法，其特征是，在步骤S6中还包括采集下一原始图像帧并转到步骤S2循环执行。17、一种粒子滤波装置，其特征是，包括图像采集单元，用于采集原始图像帧；初始粒子采样单元，用于在所述原始图像帧上采样获得初始粒子集；前景背景分类器，与所述图像采集单元连接，用于将所述图像采集单元采集到的原始图像帧的像素进行分类...
【专利技术属性】
技术研发人员：梁大为，黄庆明，蒋树强，高文，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：11[中国|北京]
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。