[发明专利]一种目标跟踪的方法

摘要

本发明提供了一种目标跟踪的方法，首先检测初始跟踪区域；然后，初始化系统状态，建立带有高斯噪声的系统递推状态模型并建立系统状态模型；从视频中读入新帧，并灰度化、向量化；采样形成t时刻的粒子状态xt，使用主成分分析法，从t时刻的粒子状态中提取特征，并计算特征距离以及粒子组中每个粒子的权值；根据每个粒子的权值计算这组粒子的权值均方误差，根据均方误差大小决定是否重采样，如果不进行重采样，则选择最优粒子输出，在视频中显示出最优跟踪结果。通过本发明的方法，避免了过度重采样导致的粒子退化和粒子贫化，提高了跟踪精度和鲁棒性。适于应用在视频或序列图像中的目标跟踪、多障碍物的目标跟踪和复杂背景下的人脸跟踪中。

主权项

1.一种目标跟踪的方法，包括以下步骤：步骤1：基于颜色、形状信息检测初始跟踪区域；步骤2：初始化系统状态，建立带有高斯噪声的系统递推状态模型并建立系统状态模型，以状态方程表示为x_t+1＝f(x_t)+Gnoise，其中其中f(x_t)为状态转移函数，Gnoise表示带有自由度的高斯噪声，x_t、x_t+1分别表示t、t+1时刻的粒子状态；步骤3：从视频中读入新帧，并将新帧灰度化、向量化；步骤4：从分布x_t～p(x_t|x_t-1)中采样，形成t时刻的粒子状态x_t；步骤5：使用主成分分析法，从t时刻的粒子状态中提取特征，并计算样本到特征空间的距离DFFS和样本在特征空间内部的距离DIFS，然后依公式：计算粒子组中每个粒子的权值并根据公式(i＝1，2，....N)对这组粒子权值进行标准化，其中N为粒子数；步骤6：根据每个粒子的权值计算这组粒子的权值均方误差，根据均方误差大小决定是否重采样：如果重采样，将粒子按权值从大到小依次排序，选取半数大权值粒子分散，舍弃另外半数小权值粒子，形成一组新的粒子，之后返回步骤5；如果不进行重采样，则选择最优粒子输出，在视频中显示出最优跟踪结果，并根据x_t+1＝f(x_t)+Gnoise计算下一时刻的每个粒子的状态；步骤7：判断是否有新帧，若有新帧，更新t=t+1并转步骤3；否则保存结果视频后结束。