基于三重粒子的粒子滤波视觉目标跟踪方法技术

本发明专利技术属于机器视觉领域的移动目标视觉跟踪技术，为解决粒子滤波目标跟踪中目标图像大小发生变化导致跟踪目标丢失的问题，提出一种基于三重粒子的粒子滤波视觉目标跟踪方法，具体改进体现在：在粒子滤波器中采用了三组粒子对目标进行跟踪，这三组粒子的差别在于所包含像素数目与包含像素形式不同，并在粒子的状态转移过程中，三组粒子转移模型的参数设置互不相同。当被跟踪目标与摄像镜头之间距离改变从而导致目标图像大小变化时，三组粒子中至少有一组粒子具有较大权值，该组粒子便可较精确的描述跟踪目标，因而，本发明专利技术能减少跟踪误差，提高跟踪精度。

【技术实现步骤摘要】

本专利技术属于移动目标视觉跟踪的机器视觉的机器人自主导航与智能监控

技术介绍
移动目标视觉跟踪是机器视觉的机器人自主导航与智能监控领域中的ー个重要研究方向，具有广泛的潜在应用前景。 移动目标跟踪已成为机器视觉方面的重要研究课题。已广泛的应用于机器人导航、智能监控、视频压缩、人机交互、虚拟现实等许多领域中。在视觉跟踪领域已经提出了很多的算法，如粒子滤波跟踪算法，基于神经网络的目标跟踪算法，基于均值漂移的目标跟踪算法。本专利技术针对的是粒子滤波算法的移动目标跟踪。对于粒子滤波跟踪算法，要提高跟踪鲁棒性，尽可能大范围的覆盖目标下ー时刻可能到达的位置，就必须增加粒子数量，而大量的粒子就会导致计算的复杂，从而影响算法实时性。此外，被跟踪的移动目标与镜头之间距离往往是变化的，移动目标的图像可能或大或小变化，这给滤波器的粒子记录目标信息带来困难，导致滤波算法可靠性不高。
技术实现思路
本专利技术目的是解决粒子滤波目标跟踪算法中目标图像大小发生变化时导致跟踪目标丢失的问题，提供一种。本专利技术提供的，所述的三重粒子的粒子滤波方法，其特征在于，将普通粒子滤波算法中的粒子集中粒子分成三组，分别为，粒子集街)，ぜぬ记为N1，粒子数为η,;粒子集{々λ0 记为N2,粒子数为η2 ;粒子集记为N3,粒子数为n3。粒子集N1, N2和N3包含像素数目与包含像素形式不同，三组粒子集N1. N2、N3分别按以下规则获得N1 包含像素为{(X, y) I X = Xj+a, y = y^b 其中 aeZ, beZ且0<a<w,O < b < h}；N2 包含像素为{(X, y) I X = Xi+2a, y = 其中 aeZ, beZ 且 0<a<w,O < b < h}；N3 包含像素为{(x, y) I X = Xi+a, y = y^b 其中 aeZ, beZ且0く已く w/2,O 彡 b 彡 h/2}；其中，w和h分别为粒子集N1中粒子宽度和粒子高度方向所占像素数量，且w和h均为偶数，(XiA)为第i个粒子左上点像素坐标，在N1中i e ，在N2中i e ,在 N3 中 i e 。包括(I)确定目标位置，根据运动目标检测结果确定目标范围与目标中心，生成目标颜色直方图Ch_pri0r作为目标先验值；(2)根据先验分布P (X0)，生成三组初始粒子集{,,和 ，三组粒子集包含粒子数分别为ηι、η2、η3，各粒子初始权值均为l/(n1+n2+n3)，并设此时的时刻k= I ；(3)根据状态转移模型バXit I 修改三组粒子状态；(4)提取各个粒子所包含区域图像像素的顔色直方图，获得目标观测值，通过后验概率分析即可获得目标位置，输出目标位置；(5)粒子权值更新，比较目标先验值与目标观测值，得出粒子权值；(6)后验概率计算，输出三组粒子集，得到后验概率，由后验概率估计出目标位置，输出目标位置； (7)重米样,更新部分粒子；(8)在k+Ι时刻返回第⑶步，循环操作。其中，第(I)步所述顔色直方图，本专利技术采用目标颜色特征作为识别信息，在粒子滤波器的设计中粒子采用颜色直方图作为描述信息，在RGB顔色模型中获得R、G、B各分量对应颜色值的像素个数，以颜色值为横坐标，像素个数为纵坐标，得到顔色直方图。第⑶步所述的状态转移模型が^^ 1，其中Xk为k时刻系统状态，Xf1为k_l时刻i粒子状态，状态转移模型バ^^ 1为粒子在水平方向移动粒子自身宽度的sw倍距离；在竖直方向移动粒子自身高度的sh倍距离，Sw和Sh为给定区间(0，a)内随机数，对于NpN2、N3不同粒子组Sw和Sh分别表示为<、ぺ、<和<、s2h、为了保证粒子在水平与竖直方向有相同的移动空间，4和く取值区间相同ペ和W取值区间相同ベ和パ取值区间相同。第(4)步所述的获得目标观测值的方法是提取经第(3)步状态转移后的粒子所包含区域图像像素的顔色直方图Ch_observation作为目标观测值，其中N3粒子由于其长度和宽度所占像素量均为N1和N2粒子的一半，故对于N3粒子，在采集颜色直方图Chしobservation后对应各颜色值的像素数量应乘以4，即Ch_observation = 4 · Ch*_observation第(5)步所述的权值更新的方法是对于粒子三组粒子Np N2和N3,分别比较各个粒子的目标观测值Ch_observation与目标先验值Ch_prior的相似度,更新粒子权值=w^p{Zk \ X^) i = l，…具式中1^为k时刻i粒子权值；^丨为k_l时刻i粒子权值；Zk为所有从O到k时刻的观测量，Zk = Iz1, Z2A , zj ；为k时刻i粒子状态；p{Zk I々°)为々0状态下的目标观测值Ch_observation与目标先验值Ch_prior的相似度。标准化粒子权值权利要求1.一种，其特征在于该方法包括 (1)确定目标位置，根据运动目标检测结果确定目标范围与目标中心，生成目标颜色直方图Ch_prior作为目标先验值； (2)根据先验分布P(x0)，生成三组初始粒子集和 ，三组粒子集包含粒子数分别为ηι、η2、η3，各粒子初始权值均为l/(n1+n2+n3)，并设此时的时刻k= I ； (3)根据状态转移模型バXitI 修改三组粒子状态； (4)提取各个粒子所包含区域图像像素的顔色直方图，获得目标观测值，通过后验概率分析即可获得目标位置，输出目标位置； (5)粒子权值更新，比较目标先验值与目标观测值，得出粒子权值； (6)后验概率计算，输出三组粒子集，得到后验概率，由后验概率估计出目标位置，输出目标位置； (7)重采样，更新部分粒子； (8)在k+Ι时刻返回第(3)步，循环操作。2.根据权利要求I所述的三重粒子的粒子滤波方法，其特征在于，将普通粒子滤波算法中的粒子集{Xf, じ中粒子分成三組，分别为{Xf〕, 、{Xf, 和，粒子集记为N1，粒子数为Ill;粒子集记为N2，粒子数为n2 ;粒子集记为N3，粒子数为n3。粒子集NpN2和N3包含像素数目与包含像素形式不同，三组粒子集H N3分别按以下规则获得 N1 包含像素为{(x,y) |x = Xi+a,y = y^b 其中 aeZ,beZ 且 0<a<w,0<bi^h}；N2 包含像素为{(x, y) |x = Xi+2a, y = 5^+213 其中 aeZ,beZ 且(Xa<w,(Xbi^h}；N3 包含像素为{(X, y) I X = Xj+a, y = y^b 其中 ae Z, b e Z 且 0<a<w/2,O ≤ b ≤ h/2}； 其中，w和h分别为粒子集N1中粒子宽度和粒子高度方向所占像素数量，且w和h均为偶数，(Xi, Yi)为第i个粒子左上点像素坐标，在N1中i e ，在N3 中 i e 。3.根据权利要求I所述的方法，其特征在于第(3)步所述的状态转移模型バもIX^1)，其中Xk为k时刻系统状态，Xf1为k-Ι时刻i粒子状态，状态转移模型バXit I 为粒子在水平方向移动粒子自身宽度的Sw倍距离；在竖直方向移动粒子自身高度的Sh倍距离，Sw和Sh为给定区间本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：孙启湲，李刘生，马磊，刘俊麟，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：