[发明专利]一种基于双向反馈粒子滤波算法的实时二维目标跟踪方法

摘要

本发明提供了一种基于双向反馈粒子滤波算法的实时二维目标跟踪方法，步骤包括：提取特征并生成N个粒子进程，导入视频帧并根据权重阈值Vpt选择特征进行特征匹配，计算有效粒子进程的个数并比较有效粒子进程的个数是否大于N/5，若小于则进行权重优化以缩小N个粒子权重之间的差距，若大于则进行重采样计算将高权重值的粒子进程覆盖替换低权重值的粒子进程，最后选择最大粒子权重的粒子进程作为t时刻视频帧中二维目标的跟踪结果，再对四个特征、系统噪声以及测量噪声进行更新。本发明的实时二维目标跟踪方法能够有效解决现有粒子滤波存在运算量大、粒子退化以及无法对动态目标跟踪的缺陷。

主权项

1.一种基于双向反馈粒子滤波算法的实时二维目标跟踪方法，其特征在于，包括如下步骤：步骤1，提取并记录跟踪图库中待跟踪二维目标中的颜色、纹理、形状以及基于FAST的多尺度特征点四类特征，再生成N个与待跟踪二维目标相对应的粒子进程；步骤2，按时间序列导入视频信号的视频帧，在t＝0时刻，N个粒子进程独立利用颜色和纹理特征对视频帧进行特征匹配，计算各个粒子进程的粒子权重；在t>0时刻，若t-1时刻的有效权重<权重阈值Vpt，则N个粒子进程利用t-1时刻使用的特征对t时刻视频帧进行特征匹配，并计算各个粒子进程对应的粒子权重，若t-1时刻的有效权重≥权重阈值Vpt且利用颜色和纹理特征进行特征匹配，则N个粒子进程利用颜色、纹理和形状特征对t时刻视频帧进行特征匹配，并计算各个粒子进程对应的粒子权重，若t-1时刻的有效权重≥权重阈值Vpt且利用颜色、纹理和形状进行特征匹配，则N个粒子进程利用颜色、纹理、形状和基于FAST的多尺度特征点特征对t时刻视频帧进行特征匹配，并计算各个粒子进程对应的粒子权重，若t-1时刻的有效权重≥权重阈值Vpt且利用颜色、纹理、形状和基于FAST的多尺度特征点进行特征匹配，则N个粒子进程继续利用颜色、纹理、形状和基于FAST的多尺度特征点特征对t时刻视频帧进行特征匹配，并计算各个粒子进程对应的粒子权重；步骤3，对各个粒子进程对应的粒子权重进行归一化处理，再根据归一化处理结果计算t时刻N个粒子进程的有效权重以及有效粒子进程的个数，若有效粒子进程的个数＞N/5，则进入步骤5，若有效粒子进程的个数≤N/5，则进入步骤4；步骤4，对归一化处理后的N个粒子权重进行覆盖优化，在保持N个粒子权重大小关系的前提下缩小N个粒子权重之间的差距；步骤5，利用层次重采样算法对N个粒子进程的粒子权重进行重采样计算，将高权重值的粒子进程覆盖替换低权重值的粒子进程；步骤6，在N个粒子进程对应的粒子权重中选择最大的粒子权重作为t时刻视频帧中二维目标的跟踪结果，再利用随机模型对N个粒子进程对应的特征、系统噪声以及测量噪声进行更新，再将t加1后返回步骤2，直至没有新的视频帧。