[发明专利]基于运动目标跟踪的融合算法

权利要求书

1.一种基于运动目标跟踪的融合算法，其特征在于包括：

步骤1：基于粒子滤波算法，通过状态转移模型，得到目标K时刻状态附近随机分布粒子集 其中 其中N为粒子数，k是粒子变化时刻值；

步骤2：提取粒子集 粒子的颜色和运动信息，判断粒子集 粒子质心坐标值是否满足迭代条件，将符合迭代条件的粒子组合成新的迭代粒子集 

步骤3：对迭代粒子集 中的粒子与目标模板粒子进行相关度处理，通过观测函数计算迭代粒子集粒子质心坐标值加权值并进行重采样、归一化处理，得到当前帧目标的状态。

2.根据权利要求1所述的基于运动目标跟踪的融合算法，其特征在于步骤2中所述判断粒子集 粒子质心坐标值是否满足迭代条件具体过程是：

步骤21：在Camshift算法基础上，设置粒子集 中粒子初始质心坐标值是C₀(x₀,y₀)，根据颜色概率分布图中零阶矩 运动概率分布图中零阶矩 并结合I_c(x,y)、I_m(x,y)计算粒子集 中粒子的M₀₀、M₁₀、M₀₁：

其中I_c(x,y)表示所述粒子集 中粒子颜色概率分布图中(x₀,y₀)坐标像素值，I_m(x,y)表示所述粒子集 中粒子运动概率分布图中(x₀,y₀)坐标像素值，M₀₀是所述粒子集 中粒子融合零阶矩，M₁₀是所述粒子集 中粒子x方向坐标值一阶矩，M₀₁是所述粒子y方向坐标值一阶矩，其中粒子迭代次数n₁=0，β∈[0,1]；

步骤:22：计算所述粒子集 中粒子质心坐标值x₁，y₁，其中 则实际粒子质心坐标值是C₁(x₁,y₁)，并使得迭代次数n=n1+1；

步骤23：根据迭代终止条件||C₁-C₀||<ε或n₁>n₀，判断所述粒子集 中粒子是否更新了质心坐标位置，若满足迭代条件，则所述粒子符合条件，若不满足迭代条件，则令C₁(x₁,y₁)代替C₀(x₀,y₀)；将符合迭代条件的粒子组成迭代粒子集 

3.根据权利要求2所述的基于运动目标跟踪的融合算法，其特征在于步骤23中所述||C₁-C₀||<ε指的是粒子集 中粒子质心坐标值与粒子集 中粒子初始质心坐标值平均移动位置(x₁-x₀)²+(y₁-y₀)²小于阈值ε；当n₁>n₀指的是迭代次数大于阈值n₀，所述n₀是6到15。

4.根据权利要求2所述的基于运动目标跟踪的融合算法，其特征 在于所述步骤23中所述ε是2。

5.根据权利要求3所述的基于运动目标跟踪的融合算法，其特征在于所述步骤23中所述n₀是10。

6.根据权利要求4所述的基于运动目标跟踪的融合算法，其特征在于所述步骤21中融合零阶矩β是0.8。

7.根据权利要求1至6之一所述的基于运动目标跟踪的融合算法，其特征在于步骤3中所述对迭代粒子集 中的粒子与目标模板粒子进行相关度处理，具体过程是：基于迭代粒子集 粒子的目标和颜色的运动信息，通过观测模型 建立目标模板，根据目标模板对迭代粒子集 每个粒子进行观测，计算迭代粒子集 与目标模板粒子集的相关度观测函数