[发明专利]基于粒子群的粒子滤波视频目标跟踪方法

说明书

本发明公开了一种基于粒子群的粒子滤波视频目标跟踪方法，主要解决点粒子描述精确性与量测模糊性之间不匹配的问题。其实现步骤是：1.在粒子滤波框架下将普通点粒子拓展为粒子群，通过目标状态预测得到粒子群中心；2.确定每一个粒子群中的粒子，并提取对应的候选目标；3.通过计算候选目标特征与模板之间的距离，对粒子群中心进行更新，并得到粒子群对应权值；4.对粒子群中心进行重采样，进而融合得到目标的状态估计，实现对目标的可靠跟踪。本发明更为高效的实现了对目标状态空间的覆盖，提高了目标跟踪的性能，提高了对大动态范围小目标的搜索和捕捉性能，可用于视频监控、无人机航拍跟踪、机器人导航等系统。

技术领域

本发明属于跟踪监测技术领域，特别涉及一种视频目标跟踪方法，可用于视频监控、无人机航拍跟踪、机器人导航等系统。

背景技术

在视频跟踪研究中，基于粒子滤波的目标跟踪方法由于其在解决非线性问题方面的优异特性，以及相对开放的跟踪框架对各种特征描述方法的兼容能力，在视频跟踪中得到了广泛的应用。然而，由于采样粒子的空间覆盖能力与实际量测存在的模糊性不相匹配，致使普通粒子滤波跟踪方法对于运动动态范围大的小目标的捕获性能变差。因此，如何提高粒子采样效率，利用较少的粒子实现对目标可能存在区域的有效覆盖，同时与量测模糊性相匹配，已成为视频跟踪研究中的难点问题。

目前，典型的目标跟踪方法有：均值漂移，普通粒子滤波等。其中：

均值漂移方法，虽然简单易实现，计算量小，但因具有局部收敛特性容易陷入局部最优解而产生明显的跟踪滞后效应，对小目标和快速移动的大动态范围目标易产生失跟，同时由于需要解析形式推导均值漂移向量，对特征描述方法有一定要求，使得许多特征方法无法应用到其中；

普通粒子滤波方法的跟踪性能较大程度依赖于所采用的粒子数，且将所用粒子抽象为空间体积为零的点。这使得大量粒子映射到量测空间中，只占据若干个与量测尺度相当的区域，存在点粒子描述精确性与量测模糊性之间不匹配的问题，导致计算量的浪费。

发明内容

本发明的目的在于针对上述已有技术中的不足，提出一种基于粒子群的粒子滤波视频目标跟踪方法，已解决点粒子描述精确性与量测模糊性之间不匹配的问题，从而提升粒子采样效率及对大动态范围小目标的搜索和捕捉性能。

实现本发明的技术方案旨在在跟踪过程中，通过将点粒子拓展为粒子群，以保证估计精度与箱粒子覆盖能力之间的平衡，从而更为高效的实现对目标状态空间的覆盖，提高对目标的搜索和捕捉性能，以及跟踪的实时性。

本发明基于粒子群的粒子滤波视频目标跟踪方法，其步骤包括如下：

(1)初始化粒子群：

(1a)读入k-1时刻的图像I_k-1，初始化k-1时刻的粒子群中心集为其中，表示k-1时刻第i个粒子群的中心，i为粒子群序号，取值为1,2,…,N，N表示粒子群总数，k表示时刻，初始时刻为k＝1；

(1b)初始化目标跟踪窗：B_k-1＝(r_k-1,c_k-1)^T，其中r_k-1和c_k-1分别表示k-1时刻目标跟踪窗的长度和宽度值，T表示向量转置运算；

(1c)根据目标初始状态与目标跟踪窗B_k-1，初始化目标的特征协方差矩阵M作为特征模板；

(2)粒子群状态预测：

(2a)读入k时刻的图像I_k，通过对k-1时刻图像中粒子群中心集的传递，得到k时刻图像中的预测粒子群中心集为其中表示k时刻的第i个预测粒子群中心；