一种用于多视角下多目标追踪的改进型粒子滤波方法技术

本发明专利技术公开了一种用于多视角下多目标追踪的改进型粒子滤波方法，该方法能够保证在多视角场景中对多目标追踪的高准确性，利用多视角之间信息的协同关系，能够得到更好的目标表示方法，提高追踪精度；尤其是在目标之间存在严重遮挡的情况下也能够有效追踪目标，不会产生丢失的情况。

【技术实现步骤摘要】

本专利技术涉及一种图像处理方法，尤其涉及一种用于多视角下多目标追踪的改进型 粒子滤波方法。
技术介绍
视频追踪技术作为计算机视觉应用中的重要部分，广泛用于环境监控、人机交互、 机器人导航等。其主要目的是通过对摄像头获得的图像序列进行分析，计算出运动目标在 每一帧图像上的位置，并根据不同的特征值，将图像序列中连续帧之间的同一运动目标关 联起来，得到每帧图像中目标的运动参数以及相邻帧图像间运动目标的对应关系，进一步 得到运动目标完整的运动轨迹。近年来比较流行的追踪方法中，基于目标状态估计、滤波的 方法具有跟踪精度高，鲁棒性好的有点。这类方法把追踪问题看成是一个对目标状态求解 的问题，并运用贝叶斯理论来实现目标状态的求解。因为实际视频追踪过程中存在大量非 线性、非高斯分布的情况，所以借助于蒙特卡罗随机模拟的方法来实现贝叶斯滤波——粒 子滤波。现有基于视觉的目标追踪方法中使用的特征量有目标轮廓、目标颜色、运动信息 等。目标轮廓适用于刚性目标的追踪，对于非刚性目标并不适用；运动信息适用于运动目标 的追踪，当目标静止时就会丢失信息不能工作。目标颜色既能适应刚性、非刚性目标，同时 也不受制于目标本文档来自技高网...

【技术保护点】
一种用于多视角下多目标追踪的改进型粒子滤波方法，其特征在于，包括以下步骤：（１）从原始图像信息中获取追踪目标的初始状态。（２）根据高斯随机方法产生表示目标初始状态的初始粒子集。（３）根据系统动态模型更新每个粒子的位置分量、尺寸大小状态分量。（４）根据目标之间的遮挡关系更新每个粒子的遮挡分量。（５）获取表征每个目标的全局特征量，并通过观测模型得到粒子集中每个粒子的权重，归一化得到新的粒子集。（６）对新的粒子集进行重要性重采样，得到当前时刻最终的粒子集。（７）根据最终粒子集计算每个目标状态、输出，并把最终粒子集作为下一次粒子滤波过程的输入。

【技术特征摘要】
1.一种用于多视角下多目标追踪的改进型粒子滤波方法，其特征在于，包括以下步骤(1)从原始图像信息中获取追踪目标的初始状态。(2)根据高斯随机方法产生表示目标初始状态的初始粒子集。(3)根据系统动态模型更新每个粒子的位置分量、尺寸大小状态分量。(4)根据目标之间的遮挡关系更新每个粒子的遮挡分量。(5)获取表征每个目标的全局特征量，并通过观测模型得到粒子集中每个粒子的权重， 归一化得到新的粒子集。(6)对新的粒子集进行重要性重采样，得到当前时刻最终的粒子集。(7)根据最终粒子集计算每个目标状态、输出，并把最终粒子集作为下一次粒子滤波过 程的输入。2.根据权利要求1所述用于多视角下多目标追踪的改进型粒子滤波方法，其特征在 于，所述步骤(1)中，所述目标在初始时刻的状态包括目标的位置、尺寸大小、遮挡情况和 追踪系统中的标定信息得到的映射关系H。。3.根据权利要求1所述用于多视角下多目标追踪的改进型粒子滤波方法，其特征在 于，所述步骤⑵具体为，假设有η个追踪目标，Δ = (A1, Δ2，…，Δ J是分别表征η个 目标的粒子集组成的集合，其中4.根据权利要求1所述用于多视角下多目标追踪的改进型粒子滤波方法，其特征在 于，所述步骤C3)具体为，系统动态模型采用二阶自回归模型，可以根据历史时刻的位置信 息自适应调整目标运动速度。于是有5.根据权利要求1所述用于多视角下多目标追踪的改进型粒子滤波方法，其特征在 于，所述步骤(4)包括以下子步骤(A)根据目标之间的位置关系和目标的尺寸信息，可以更新状态中遮挡分量。根据目标在同一视角方向的投影关系，当两个目标在同一个图像平面中的投影的中心位置之 间的...

【专利技术属性】
技术研发人员：王智，周良毅，蔡盛盛，
申请(专利权)人：浙江大学，
类型：发明
国别省市：86[中国|杭州]