[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

说明书

本发明公开了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，首先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；其次以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；然后根据粒子权值估算有效粒子数，若有效粒子数小于阈值，则进入免疫粒子集优化过程，如果大于该阈值,则进入重采样过程；最后对粒子状态进行估计，输出跟踪结果，并进行下一时刻，直到视频结束。本发明融合颜色直方图和梯度方向直方图，能充分利用空间结构信息来表述目标特征，同时在样本缺失的情况下引入免疫优化算法，有效增加粒子的多样性，使得跟踪结果更稳健。

技术领域

本发明涉及一种扩展目标跟踪方法，特点是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，用于图像处理、计算机视觉和目标检测定位。属于跟踪系统中目标探测技术领域。

背景技术

目标跟踪一直是计算机视觉领域的研究重点，在安全监控、目标侦察、航空制导等得到广泛的应用。当前跟踪的难点主要体现在：1)受复杂背景的干扰，目标运动信息易出现混淆；2)当目标被障碍物遮挡时，易出现跟踪丢失；3)对于多目标的场景，易出现轨迹交叉等问题。目标跟踪方法大体包括确定性和概率性跟踪算法，通过寻求图像中最匹配区域来实现目标跟踪称为确定性跟踪，如均值漂移；在贝叶斯滤波框架下预测目标状态的过程称为概率性跟踪，如kalman滤波、粒子滤波等。面对现实中众多非线性、非高斯的问题，粒子滤波能够实现对目标进行稳健跟踪。但当目标受颜色相似的背景干扰时，仅依靠单一特征并不能对目标特征进行全面描述，而梯度、纹理等包含相应的目标特征，在不同的环境中表现出不一样的特性，可将这些特征融合到目标跟踪中，而当目标被障碍物遮挡时会导致粒子退化，严重影响粒子对目标状态的表达能力，针对样贫的问题，本发明在重采样之前加入免疫算法，有效提高粒子的多样性，实现对目标进行稳健跟踪，较好地适应当前工程应用需求。

发明内容

本发明要解决技术问题为：针对现有技术的不足，提供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，该方法充分融合了颜色和梯度方向直方图，使得单纯依靠颜色特征不能很好适应环境变化的情况得到了有效改善，同时通过加入免疫粒子算法，提高了粒子的多样性，实现对目标的稳健跟踪。

为实现这样的目的，本发明采用的技术方案为：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，包含以下步骤：

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，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；

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，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：