【技术实现步骤摘要】
本专利技术涉及计算机视觉与图形学领域，尤其涉及一种基于GPU加速连续粒子群优化的三维物体跟踪方法。
技术介绍
三维物体的跟踪技术是近些年来计算机视觉领域里的前沿研究方向之一，也是该领域中的难点之一。特别是对于多自由度，甚至是多关节的刚性物体的跟踪方法的研究受到了世界许多重要研究机构的高度重视，这充分体现了它的研究价值和意义。跟踪问题等价于在连续的图像帧间创建基于位置、速度、形状、纹理和色彩等有关的特征的对应匹配问题。而三维跟踪又将跟踪问题上升到了一个新的高度，不仅要匹配物体的位置，而且要将它的旋转角度等信息相匹配。大体上，三维跟踪主要有两种常用的方法，即基于表征的跟踪方法和基于模型的跟踪方法。基于表征的跟踪方法是直接将获取的表征信息进行统计分析，与定义好的模板或者样本进行比较，选择一个最接近的。这种方法往往需要大量的前期工作进行训练学习，样本采集等。而基于模型的方法，需要定义一个与待跟踪物体结构形状相同的模型，通过虚拟物体的变化来产生大量的假设状态，最终选择一个与观察图像最为接近的状态作为跟踪结果。基于模型的三维物体跟踪方法是最为常用也是最有应用前景的方法之一。...
【技术保护点】
一种基于GPU加速连续粒子群优化的三维物体跟踪方法，包括以下步骤：步骤1：采集三维物体的观察图像，提取相应的图像特征信息；步骤2：初始化当前图像帧的粒子群状态；步骤3：根据当前粒子群中每个粒子所对应的假设模型，得到三维物体的假设图像，并提取该假设图像的特征信息；步骤4：运用基于GPU的并行算法，将观察图像的特征信息与每个粒子对应的假设图像的特征信息进行比较，得到每个粒子的适应度；步骤5：根据适应度的大小更新得到本次迭代过程中粒子群的个体最优状态和局部最优状态；步骤6：如果当前图像帧的迭代过程还未结束，则根据粒子群的个体最优状态和局部最优状态更新得到下一次迭代时粒子群状态，并...
【技术特征摘要】
1.一种基于GPU加速连续粒子群优化的三维物体跟踪方法，包括以下步骤: 步骤1:采集三维物体的观察图像，提取相应的图像特征信息； 步骤2:初始化当前图像帧的粒子群状态； 步骤3:根据当前粒子群中每个粒子所对应的假设模型，得到三维物体的假设图像，并提取该假设图像的特征信息； 步骤4:运用基于GPU的并行算法，将观察图像的特征信息与每个粒子对应的假设图像的特征信息进行比较，得到每个粒子的适应度； 步骤5:根据适应度的大小更新得到本次迭代过程中粒子群的个体最优状态和局部最优状态； 步骤6:如果当前图像帧的迭代过程还未结束，则根据粒子群的个体最优状态和局部最优状态更新得到下一次迭代时粒子群状态，并进入步骤3进行下一次迭代；否则根据粒子群的个体最优状态得到三维物体的最终跟踪状态。2.按权利要求1所述的三维物体跟踪方法，其特征在于，步骤I中提取图像特征信息的过程如下: 步骤11:运用深度信息将物体与背景相分离； 步骤12:运用CUDA对观察图像进行并行计算处理，每个线程处理一个像素点，将属于背景区域的像素点的值设为O，其它为1，得到观察图像的二值化特征。3.按权利要求1所述的三维物体跟踪方法，其特征在于，步骤2中所述初始化当前图像帧的粒子群状态为利用前两帧图像的粒子群最优状态对当前帧图像的粒子群状态进行更新，具体包括粒子群的位置更新和速度更新；其中粒子群的位置根据下式更新:4.按权利要求1所述的三维物体跟踪方法，其特征在于，所述方法还包括构建与所要跟踪的物体对应的三维模型；步骤3中根据粒子群的状态控制所述三维模型的状态变化，进而得到所述假设模型，然后对所述假设模型进行模型渲染而生成假设图像。5.按权利要求1所述的三维物体跟踪方法，其特征在于，步骤4中具体包括: 步骤41:计算假设图像与观察图像之间的误差图像，如下所示: D Cr, ο) = Σ min (f (ο).| o-r , dM) / ( Σ (ob V rb) + ε ), 其中，D(r，o)为计算所得到的误差图像，ο和r分别为观察图像与假设图像的特征值，Ob和rb为观察图像与假设图像的二值化图像，dM与ε为控制参数...
【专利技术属性】
技术研发人员：蒋永实，秦树鑫，
申请(专利权)人：中国科学院自动化研究所，常州科学与艺术融合技术研究所，
类型：发明
国别省市：
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。