[发明专利]基于双重模型的粒子滤波视频图像跟踪方法

说明书

技术领域

本发明涉及一种视频图像跟踪方法，特别是涉及一种基于双重模型的粒子滤波视频图像跟踪方法。

背景技术

近年来，很多算法利用特征协方差矩阵作为描述图像的区域特性，利用粒子滤波方法，用一组具有权重的随机样本代表状态的当前密度，来实现目标的跟踪。并且利用仿射变换来描述目标的表观变化。但是对于具有明显几何形变的目标，或是目标经历强烈光照变换的情况下，目前还没有更为鲁棒的算法。

发明内容

本发明的目的在于提供一种基于双重模型的粒子滤波视频图像跟踪方法。该方法不仅对具有明显的几何形变的目标实现稳定的跟踪，而且能够在光照变化较大的情况下实现稳定的跟踪,该方法具有良好的有效性和鲁棒性。

本发明的目的是通过以下技术方案实现的：

基于双重模型的粒子滤波视频图像跟踪方法，所述方法包括以下步骤：步骤1：输入第一帧视频图像，手动确定图像的目标区域，投影变换群上的8维向量                                               为跟踪边界形状的投影变换参数，t=1为当前时刻;

步骤2：根据如下公式来预测, j=1,2….L. L为采样粒子数；v是状态由时刻t-1迁移到时刻t的速度向量；

                    

步骤3：利用如下公式构建协方差矩阵，计算与每一个相对应的图像块的协方差；

                       

对于一个给定的区域R，其大小为M×N，，是均值向量。。x,y 表示对应像素的横坐标，和纵坐标。和分别表示图像在x方向和y方向上的梯度值。为和的卷积；

步骤4: 根据公式，计算每一个与系统t-1时刻跟踪到的区域协方差的对数-欧拉距离 ；

步骤5：计算系统状态的协方差为

得到系统的状态向量为：；

步骤6：给定协方差流形的对应于t-3和t-2时刻的切向量和，根据产生L个的采样粒子，；

步骤7：.对 的每个采样 , 根据计算，然后计算每一个粒子的权值:

        , 为系数；

步骤8： 计算加权李群均值

，输出t时刻跟踪到的目标的区域协方差；

步骤9：输入下一帧视频图像，重复步骤2.直到跟踪过程结束。

本发明的优点与效果是：

由于本申请使用SL(3)群，能够准确地反映投影变换过程。另外，在构建基于粒子滤波的算法时，同时结合了协方差流形和SL(3)群。实现交替跟踪动态模型。所以对于具有明显几何形变的目标，或是目标经历强烈光照变换的情况下，跟踪效果稳定，鲁棒性强。

附图说明

图1示出了跟踪框架；

图2示出了所述算法跟踪几何形变目标的结果；

图3示出了所述算法跟踪非刚体光照变化下的结果。

注：本发明的附图2-附图3为功能效果示意照片，（仅供参考），图示照片的影像或数字不清晰并不影响对本发明技术方案的理解。

具体实施方式

下面结合附图所示实施例对本发明进行详细说明。

本申请为一种基于双重模型的粒子滤波视频图像跟踪方法。构建了双重的粒子滤波器，实现交替跟踪动态模型。一个在协方差矩阵黎曼流形上在线更新目标的表观。另一个在投影变换群上对目标的边界框参数进行跟踪。滤波参数的度量采用李代数及其切空间的转换关系。考虑到目标成像过程的实质是投影变换过程，本申请在构建基于粒子滤波的跟踪算法时，同时结合了协方差流形和投影变换群（SL(3)群）。

实施例1：

使用上述算法跟踪几何形变目标。

步骤1：该视频图像序列共271帧，每帧图像的大小为320*240. 模板的初始大小为42*42。8维向量为跟踪边界形状的投影变换参数，t=1;

步骤2：根据如下公式来预测, j=1,2….16. 16为采样粒子数；v是状态由时刻t-1迁移到时刻t的速度向量。

                 

例如得到：

步骤3：利用如下公式构建协方差矩阵，计算与每一个相对应的图像块的协方差；