[发明专利]一种融合颜色和梯度直方图的免疫粒子滤波扩展目标跟踪方法

权利要求书

1.一种融合颜色和梯度直方图的免疫粒子滤波扩展目标跟踪方法，其特征在于：该方法包括如下步骤：

步骤一、手动选取待跟踪目标，根据目标状态先验分布随机采样建立初始粒子和权值；

步骤二、以步骤一中选取的待跟踪目标为中心在其邻域内进行随机采样得到新的粒子集，并分别计算颜色和梯度方向的观测值得到粒子权值；

所述步骤二中，以步骤一中选取的待跟踪目标为中心在其邻域内进行随机采样得到新的粒子集，并分别计算颜色和梯度方向的观测值得到粒子权值，具体步骤如下：

(21)定义颜色观测值：

式中，λ_c代表颜色控制参数，D_c(p_c,q_c)为候选区域颜色与目标区域颜色间的Bhattacharyya距离，p_c为候选区域颜色分布向量，q_c为目标区域颜色分布向量，P_c为颜色观测值，该值越大，说明候选区域颜色与目标模板越相似；

(22)定义梯度方向观测值：

式中，λ_T代表梯度方向控制参数，D_T(p_T,q_T)为候选区域梯度与目标区域梯度间的Bhattacharyya距离，p_T为候选区域梯度分布向量，q_T为目标区域梯度分布向量，P_T为梯度方向观测值；

(23)融合颜色观测值和梯度方向观测值来计算粒子权值：

w_kⁱ＝w_k-1ⁱ[αP_c+(1-α)P_T]

式中，α代表常数，k为时刻数，i为粒子数，i＝1,2,3,…N，w_k-1ⁱ为k-1时刻第i个粒子对应的权值，w_kⁱ为k时刻第i个粒子对应的权值，P_c为颜色观测值，P_T为梯度方向观测值；

步骤三、采用步骤二中得到的粒子权值来估算有效粒子数，若有效粒子数小于预设阈值，则进入免疫粒子集优化过程；

步骤四、若步骤三中有效粒子数大于预设阈值，则进入重采样过程；

步骤五、输出跟踪结果，并进入下一时刻，直到视频结束，对步骤三或步骤四获取的粒子集进行目标状态估计，输出跟踪结果，其中状态估计采用如下定义：

(51)状态估计

其中x_kⁱ为k时刻第i个粒子的状态，w_kⁱ为k时刻第i个粒子对应的权值，N为粒子数，X_k为k时刻的样本集合，E(X_k)为k时刻样本集合X_k对应的状态估计均值。

2.根据权利要求1所述的融合颜色和梯度直方图的免疫粒子滤波扩展目标跟踪方法，其特征在于：所述步骤一中，手动选取待跟踪目标，根据目标状态先验分布随机采样建立初始粒子和权值，其中初始粒子和权值用{x_kⁱ,w_kⁱ}表示，x_kⁱ为k时刻第i个粒子的状态，w_kⁱ＝1/N为k时刻第i个粒子对应的权值，N为粒子数。

3.根据权利要求1所述的融合颜色和梯度直方图的免疫粒子滤波扩展目标跟踪方法，其特征在于：所述步骤三中，采用步骤二中得到的粒子权值来估算有效粒子数，若有效粒子数小于预设阈值，则进入免疫粒子集优化过程，具体步骤如下：

(31)估算有效粒子数：

其中，k为时刻数，i为粒子数，i＝1,2,3,…N，w_kⁱ为k时刻第i个粒子对应的权值，T代表预设阈值大小，N为粒子数，N_e为有效粒子数；

(32)免疫粒子集优化过程主要包括以下五个步骤：适应度计算、记忆单元更新、抗体浓度调节、交叉和变异：

(3.2.1)适应度计算

F(i)＝1/e_i

其中，i为粒子数，i＝1,2,3,…N，e_i为状态估计与真实值的均方误差；

(3.2.2)记忆单元更新，将(3.2.1)中计算得到适应度高的抗体取代适应度低的抗体，并将相应适应度高的抗体保留到记忆单元，同时为保持粒子的多样性，在替换时保留原有抗体中亲和度最高的粒子；

(3.2.3)抗体浓度调节，主要依靠抗体浓度调整机制，利用促进和抑制机制对抗体进行选择，从而保持抗体的多样性，实现个体内部自我调整功能，抗体浓度调节具体表达如下：

式中，i为粒子数，i＝1,2,3,…N，γ和β分别为常数；N为粒子数，p_fi为适应概率，p_di为抑制浓度概率，p_i为选择抗体概率，C_i代表抗体间相似度比例，F(i)为适应度函数；

(3.2.4)抗体交叉，从粒子集中随机选取2个粒子(x_k^m,x_kⁿ)，x_k^m为k时刻第m个粒子，x_kⁿ为k时刻第n个粒子，根据如下公式进行交叉处理：

其中，α₁为常数，k为时刻数，i为粒子数，i＝1,2,3,…N，x_k^m为k时刻第m个粒子，x_kⁿ为k时刻第n个粒子，η服从均值为0，方差为σ的正态分布N(0,σ)，为经过交叉处理后的k时刻第m个粒子，为经过交叉处理后的k时刻第n个粒子；

(3.2.5)抗体变异，从粒子集中随机选取1个粒子x_kⁱ，x_kⁱ为k时刻第i个粒子，根据如下公式进行变异处理：

其中，k为时刻数，i为粒子数，i＝1,2,3,…N，x_kⁱ为k时刻第i个粒子，η服从均值为0，方差为σ的正态分布N(0,σ)，为经过变异处理后的k时刻第i个粒子。