【技术实现步骤摘要】
本申请涉及计算机视觉
，尤其涉及一种基于粒子滤波的运动行人视频自动跟踪方法及系统。
技术介绍
运动物体的跟踪就是在连续的图像序列上，对运动的行人出现的位置、大小、形状等有关特征的对应匹配问题。众多学者提出了许多算法。现有运动物体跟踪算法主要有以下四种基于模板匹配的跟踪方法、基于轮廓的跟踪方法、基于运动预测的跟踪方法和粒子滤波跟踪方法。其中，粒子滤波跟踪方法在现实应用场景中，通常图像的噪声不服从高斯分布，因此，卡尔曼滤波不能获得较好的跟踪效果，为了应用于现实应用的场景。现有技术已将粒子滤波算法引入到视觉跟踪领域。 粒子滤波器的主要思想是基于蒙特卡洛方法，它是利用具有权重的粒子集来表示后验概率，可以应用于任何形式的状态空间模型上，是一种顺序重要性采样法(SequentialImportance Sampling, SIS)。简单来说,粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。粒子滤波器是针对非线性运动，多模式分布的情况。通过对前一帧的后验概率分布估计值进行采样，然后传播这些...
【技术保护点】
一种基于粒子滤波的运动行人视频自动跟踪方法，其特征在于，所述方法包括以下步骤：S1、输入一帧图像，通过HOG特征向量集和SVM向量机进行检测，判断是否有行人，若是，执行步骤S2，若否，输入下一帧图像重新检测；S2、实现基于HOG和颜色双重特征的粒子滤波跟踪，首先获得目标行人的初始矩形区域，并从目标矩形区域中采样若干粒子，提取HOG特征和颜色特征，计算HOG和颜色双重特征融合后粒子的权重，通过最小均方误差估计器得到最后的状态估计并输出估计目标后进行重采样；S3、判断图像是否为最后一帧，若是，则结束跟踪，若否，返回步骤S2。
【技术特征摘要】
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。