[发明专利]一种面向无人机野外搜救的行人鲁棒跟踪方法

权利要求书

1.一种面向无人机野外搜救的行人鲁棒跟踪方法，其特征在于，包括以下步骤：

步骤1，对视频图像进行初始化，即在给定初始帧中标定跟踪目标，并在跟踪目标周围进行随机采样，以此来形成初始化的粒子集合，具体是：

步骤1.1，读入初始化帧I₀，从中获取一个合适的目标作为跟踪的模板；

步骤1.2，利用模板位置大小信息对目标的状态空间进行初始化定义，得到目标的初始状态X₀；

步骤1.3，根据目标的初始状态X₀，随机产生N个粒子，形成初始化粒子集合其中，k-1表示k-1时刻，服从一个均值为X₀方差为Φ的高斯分布，而则为粒子归一化权值，初始化为1/N；

步骤2，粒子状态传播，即根据系统的状态传播模型来对粒子集合中每一个粒子进行传播，使得传播得到的粒子服从一种已知的重要性概率分布，包括：

步骤2.1，感兴趣区域提取，即不再单一的看待粒子集合中的每一个粒子，而是将他们所形成的区域作为感兴趣区域(ROI)来看待，以此作为一个整体来进行处理，具体是获取k时刻的粒子集合对其中的粒子进行融合，得到K时刻下的感兴趣区域(ROI)；

步骤2.2，超像素分割，即对感兴趣区域与模板进行像素的提取,以超像素代替像素的方式来进行特征的表达；

步骤2.3，最近邻域匹配；对感兴趣区域超像素与模板超像素进行最近邻域匹配，为每一个感兴趣区域中的超像素找到其在模板超像素集合中的最近邻；

步骤2.4，多样性度量，即利用最近邻域匹配的思想来做相似性度量，以此实现粒子权值的更新；

步骤2.5，粒子权值计算；将相似性度量结果统一带入一个高斯分布中进行计算，得到的结果即为粒子状态的权值

步骤3，粒子状态估计，即对粒子的权值进行归一化操作，并结合各粒子的状态进行加权求和，以此得到跟踪目标在当前帧中所处的状态，具体是归一化粒子的权值，并结合粒子状态进行加权求和，求和的结果即为估计得到的目标状态：

步骤4，粒子重采样，即从一个概率统计分布的角度来筛选粒子，以此来抑制粒子状态权值的退化，具体是：累计粒子的权值并选取一个符合均匀分布的随机数m～R(0,1)，利用该随机数来确定一个使成立的状态粒子将之加入粒子集合，并初始化其状态权值为1/N。

2.根据权利要求1所述的一种面向无人机野外搜救的行人鲁棒跟踪方法，其特征在于，所述步骤2具体实现方法包括：定义重要性概率分布满足以下的约束：

q(x_k|x_0:k-1,y_1:k)＝q(x_k|x_k-1,y_k)

其中x_k和y_k分别代表粒子在k时刻的状态值和测量值，q(·)表示重要性概率分布，而则代表系统的状态噪声(可由系统状态转移方程进行求取)；可以看出，在这里粒子的传播过程可以根据状态转移方程来进行预测，并且传播得到的粒子将可以通过马尔科夫过程来进行获取；因此，子状态传播将分以下两步来进行完成：

步骤2.1、获取k-1时刻的粒子集合对其中粒子的状态进行传播，得到对应预测结果：其中，v_k-1为状态噪声，服从一个均值为0，方差为Φ的高斯分布；

步骤2.2、对传播得到粒子进行组合，得到系统在k时刻的状态集合其中，粒子的状态由传播得到，而粒子的权值则由传递得到。

3.根据权利要求1所述的一种面向无人机野外搜救的行人鲁棒跟踪方法，其特征在于，所述步骤2.2具体实现方法包括：

步骤A、把图像分割成网格，将网格的中心确定为初始化聚类中心；

步骤B、利用k-means方法把网格内的像素点分配到最近的聚类中心上；

步骤C、根据像素点的特征对聚类中心进行调整，使得每一个像素都能够分配到原始聚类中心的近邻上；

步骤D、迭代的进行步骤A至步骤C的操作，使得所有像素都能收敛到特定聚类中心上。