多特征融合的粒子滤波视频目标跟踪方法技术

本发明专利技术公开了一种多特征融合的粒子滤波视频目标跟踪方法，属于视频目标跟踪领域。该方法先对粒子进行初始化定位，确定目标的初始状态，并提取目标的颜色特征信息和运动边缘特征信息，再对粒子的状态进行传播，然后分别求出颜色特征信息和运动边缘特征信息的观测值概率密度函数，将两者融合后通过粒子归一化对粒子权重进行更新，接着计算当前时刻目标状态的最小均方差估计，通过重采样机制后置时间为下一时刻，转到粒子传播阶段进行新一轮循环，直至视频序列结束。本方法在目标被遮挡或相似背景干扰下均能对目标实现持续准确地跟踪，提高了算法的准确性和鲁棒性。

【技术实现步骤摘要】

本专利技术涉及一种视频目标跟踪方法，尤其涉及一种多特征融合的粒子滤波视频运动目标跟踪方法，属于视频监控技术中的视频目标跟踪领域。
技术介绍
视频目标跟踪是指对图像序列中的运动目标进行检测、提取、识别和跟踪的过程，以获得目标的运动参数，如位置、速度、加速度以及运动轨迹等。视频目标跟踪在视频监控、体育运动事件分析、跟踪实验动物、人机交互等方面都有实际应用需求。现有的目标跟踪方法主要包括基于区域的跟踪、基于特征的跟踪、基于轮廓线的跟踪、基于模型的跟踪、基于运动场估计的跟踪以及混合方式的跟踪方法等。近年来,粒子滤波(Particle Filter)算法被认为是目前解决非线性、非高斯模型 最成功的方法。粒子滤波算法是一种基于蒙特卡洛(Monte Carlo)技术来求解贝叶斯概率的使用算法，它的基本思想是通过重要性函数产生带权值的样本(粒子)来逼近系统状态的真实后验概率分布。这些粒子是在选取的重要性概率密度函数的基础上随机抽样得到的，然后通过预测和更新两个步骤对目标的状态进行估计。但是单一特征的目标跟踪效果往往受到跟踪目标外在因素的很大影响，如使用单一颜色特征信息来进行目标跟踪，方法快捷且容易本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多特征融合的粒子滤波视频目标跟踪方法，其特征在于 该方法包括如下步骤 步骤I:在最初时刻对一组粒子进行初始化定位，确定目标的初始状态，提取目标的颜色特征信息和运动边缘特征信息； 步骤2 :采用一阶AR模型对粒子的状态进行传播，得到下一时刻的新粒子； 步骤3 :分别求出当前粒子采样时刻颜色特征信息和运动边缘特征信息的观测值的概率密度函数，将两种概率密度函数融合，并通过粒子归一化对粒子权重进行更新； 步骤4 :计算当前粒子采样时刻目标状态的最小均方差估计； 步骤5:计算重采样判断值，当重采样判断值小于等于重采样判决阀值时，对当前的采样粒子进行重采样，...

【专利技术属性】
技术研发人员：曹宁，李成功，王娴珏，万琪，
申请(专利权)人：河海大学，
类型：发明
国别省市：