一種自適應(yīng)粒子群優(yōu)化粒子濾波跟蹤方法
【專(zhuān)利摘要】本發(fā)明提供一種自適應(yīng)粒子群優(yōu)化粒子濾波跟蹤方法，所述方法包括以下步驟：S1，選取候選目標(biāo)，并設(shè)定所選取的候選目標(biāo)的幀為第1幀；S2，為候選目標(biāo)建立參考顏色直方圖模板，并采用巴氏系數(shù)度量候選目標(biāo)的顏色直方圖與參考顏色直方圖模板之間的相似度；S3，在第t幀中，于t-1幀目標(biāo)位置周邊按高斯隨機(jī)分布M個(gè)粒子，并根據(jù)運(yùn)動(dòng)狀態(tài)調(diào)整粒子群優(yōu)化算法的參數(shù)，其中，t>1；S4，M個(gè)粒子根據(jù)粒子群優(yōu)化算法進(jìn)行搜索，通過(guò)估計(jì)計(jì)算得到目標(biāo)位置。本發(fā)明可以很好適應(yīng)于復(fù)雜條件下的視頻目標(biāo)跟蹤，包括運(yùn)動(dòng)目標(biāo)、靜止目標(biāo)，以及“走-停-走”類(lèi)目標(biāo)等，也可以很好實(shí)現(xiàn)對(duì)上述復(fù)雜運(yùn)動(dòng)目標(biāo)的穩(wěn)定跟蹤。
【專(zhuān)利說(shuō)明】一種自適應(yīng)粒子群優(yōu)化粒子濾波跟蹤方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計(jì)算機(jī)視覺(jué)跟蹤【技術(shù)領(lǐng)域】，特別是涉及根據(jù)目標(biāo)運(yùn)動(dòng)狀態(tài)自適應(yīng)調(diào)整粒子群的視覺(jué)目標(biāo)跟蹤方法領(lǐng)域，具體為一種自適應(yīng)粒子群優(yōu)化粒子濾波跟蹤方法。
【背景技術(shù)】
[0002]在計(jì)算機(jī)視覺(jué)領(lǐng)域，魯棒而又精準(zhǔn)實(shí)時(shí)的視覺(jué)跟蹤是一個(gè)亟待解決而又極具挑戰(zhàn)性的任務(wù)。近些年在具體物體的跟蹤方面有許多突破性的進(jìn)展，例如行人，臉部的跟蹤等。Zhang, Lu 等人發(fā)表在〈〈IEEE Conference on Computer Vis1n and Pattern Recognit1n〉〉上的論文“Structure preserving object tracking”中提到對(duì)于一般物體的精準(zhǔn)實(shí)時(shí)跟蹤還是極其困的主要原因?yàn)橐韵聨c(diǎn):1)關(guān)于此目標(biāo)可獲得的信息過(guò)少；2)獲得的信息具有二義性，獲得的目標(biāo)信息中參雜這背景的信息；3)目標(biāo)的外觀可能會(huì)發(fā)生劇烈變化。出于上述原因，一般目標(biāo)的精準(zhǔn)實(shí)時(shí)跟蹤問(wèn)題始終極具挑戰(zhàn)性。
[0003]近些年，粒子濾波方法(PF)由于其能夠非高斯和非線性問(wèn)題的特點(diǎn)在視覺(jué)跟蹤領(lǐng)域獲得了很大的成功。然而它面臨一個(gè)嚴(yán)重的問(wèn)題，即其自身在重要性采樣過(guò)程中的次優(yōu)采樣機(jī)制導(dǎo)致的樣本貧化問(wèn)題。粒子濾波方法依賴(lài)于重要性采樣過(guò)程并且要求建議分布能夠較好的近似后驗(yàn)分布。最常用的方法就是根據(jù)狀態(tài)轉(zhuǎn)移(轉(zhuǎn)移先驗(yàn)概率)的概率模型進(jìn)行采樣。然而當(dāng)觀測(cè)量出現(xiàn)在先驗(yàn)概率的尾部時(shí)或者后驗(yàn)分布較先驗(yàn)分布更集中的話，這種方法便極不適用。
[0004]為了解決這個(gè)問(wèn)題，人們提出了幾種方法以期產(chǎn)生更為精確的后驗(yàn)分布。例如，提出無(wú)跡粒子濾波方器(UPF)，UPF是由無(wú)跡卡爾曼濾波器(UKF)和粒子濾波器(PF)組合而成。UPF的PF部分提供了一般概率框架來(lái)處理非高斯非線性系統(tǒng)，而UKF部分通過(guò)將最近觀測(cè)量考慮進(jìn)來(lái)以產(chǎn)生更好的建議分布。
[0005]隨著群智能算法的興起，粒子群優(yōu)化思想(PSO)由于其在復(fù)雜動(dòng)態(tài)環(huán)境中的魯棒性及靈活性被越來(lái)越多的研究者引入到視覺(jué)目標(biāo)跟蹤領(lǐng)域。PSO算法和PF算法均基于最小單位-粒子，受此啟發(fā)，許多研究者將PSO引入到PF中形成了標(biāo)準(zhǔn)粒子群優(yōu)化粒子濾波算法(PS0-PF)。然而我們發(fā)現(xiàn)標(biāo)準(zhǔn)的PSO-PF算法并不適合跟蹤具有復(fù)雜運(yùn)動(dòng)的目標(biāo)，例如“走-停-走”類(lèi)目標(biāo)。“走-停-走”目標(biāo)時(shí)而靜止時(shí)而運(yùn)動(dòng)，時(shí)而快時(shí)而慢，時(shí)而前進(jìn)時(shí)而后退，也就是說(shuō)其運(yùn)動(dòng)狀態(tài)難以預(yù)測(cè)。標(biāo)準(zhǔn)PSO-PF由于其自身參數(shù)不可變性，不能很好處理此類(lèi)目標(biāo)的復(fù)雜運(yùn)動(dòng)特性以至于跟蹤效果不佳。

【發(fā)明內(nèi)容】

[0006]鑒于以上所述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種自適應(yīng)粒子群優(yōu)化粒子濾波跟蹤方法，用于解決現(xiàn)有技術(shù)中運(yùn)動(dòng)狀態(tài)變化復(fù)雜的視覺(jué)目標(biāo)的跟蹤效果不佳的問(wèn)題。
[0007]為實(shí)現(xiàn)上述目的及其他相關(guān)目的，本發(fā)明提供一種自適應(yīng)粒子群優(yōu)化粒子濾波跟蹤方法，所述方法包括以下步驟:SI，選取候選目標(biāo)，并設(shè)定所選取的候選目標(biāo)的幀為第I中貞；S2,為候選目標(biāo)建立參考顏色直方圖模板,并米用巴氏系數(shù)度量候選目標(biāo)的顏色直方圖與參考顏色直方圖模板之間的相似度；S3，在第t幀中，于t-Ι幀目標(biāo)位置周邊按高斯隨機(jī)分布M個(gè)粒子，并根據(jù)運(yùn)動(dòng)狀態(tài)調(diào)整粒子群優(yōu)化算法的參數(shù)，其中，t> I ;S4，對(duì)M個(gè)粒子根據(jù)粒子群優(yōu)化算法進(jìn)行搜索，通過(guò)估計(jì)計(jì)算得到目標(biāo)位置。
[0008]優(yōu)選地，所述候選目標(biāo)的顏色直方圖為:
[0009]pt(x) = {Pt(n, χ)},η=1...Ν
【權(quán)利要求】
1.一種自適應(yīng)粒子群優(yōu)化粒子濾波跟蹤方法，其特征在于，所述方法包括以下步驟: S1，選取候選目標(biāo)，并設(shè)定所選取的候選目標(biāo)的幀為第I幀； S2,為候選目標(biāo)建立參考顏色直方圖模板，并米用巴氏系數(shù)度量候選目標(biāo)的顏色直方圖與參考顏色直方圖模板之間的相似度； S3，在第t幀中，于t-Ι幀目標(biāo)位置周邊按高斯隨機(jī)分布M個(gè)粒子，并根據(jù)運(yùn)動(dòng)狀態(tài)調(diào)整粒子群優(yōu)化算法的參數(shù)，其中，t > I ; S4,對(duì)M個(gè)粒子根據(jù)粒子群優(yōu)化算法進(jìn)行搜索，通過(guò)估計(jì)計(jì)算得到目標(biāo)位置。
2.根據(jù)權(quán)利要求1所述的自適應(yīng)粒子群優(yōu)化粒子濾波跟蹤方法，其特征在于，所述候選目標(biāo)的顏色直方圖為:pt (X) = {pt (η, X)}，η = 1...N ;
3.根據(jù)權(quán)利要求2所述的自適應(yīng)粒子群優(yōu)化粒子濾波跟蹤方法，其特征在于，采用巴氏系數(shù)度量候選目標(biāo)的顏色直方圖與參考顏色直方圖模板之間的相似度具體為:

4.根據(jù)權(quán)利要求1所述的自適應(yīng)粒子群優(yōu)化粒子濾波跟蹤方法，其特征在于，根據(jù)運(yùn)動(dòng)狀態(tài)調(diào)整粒子群優(yōu)化算法的參數(shù)具體為:

5.根據(jù)權(quán)利要求1或4所述的自適應(yīng)粒子群優(yōu)化粒子濾波跟蹤方法，其特征在于，粒子群優(yōu)化算法具體為:
U i (t+1) = wt.U J (t)+C!.rand 0.(P1-Xi (t)+C2.rand 0.(Pg-XiU))；Xi (t+1) = Xi (t)+ υ J (t+1)；其中，Xi (t)、Ui(t)分別是第i個(gè)粒子在第t次迭代時(shí)的中心位置和速度，Xi (t+1)、(t+1)分別是第i個(gè)粒子在第t+Ι次迭代時(shí)的中心位置和速度，Wt為候選目標(biāo)在第t幀的慣性系數(shù)，Pi是第i個(gè)粒子的歷史最佳位置，Pg是所有粒子的全局歷史最佳位置，g為全局最佳粒子的編號(hào)，Wt參數(shù)為慣性系數(shù)，C1和C2為系數(shù)，rand O為[O，I]區(qū)間的均勻分布隨機(jī)函數(shù)；全局最佳粒子即適應(yīng)度最大的粒子，粒子的適應(yīng)度為:
w(m) = w(m).exp (-λ.Db [pm, q])； 其中，w(m)為第m個(gè)粒子的適應(yīng)度，Db [pm，q]為Pm和q的巴氏距離，Pffl為第m個(gè)粒子的顏色直方圖，q為參考顏色直方圖模板，λ為調(diào)節(jié)巴氏距離的常系數(shù)。
6.根據(jù)權(quán)利要求5所述的自適應(yīng)粒子群優(yōu)化粒子濾波跟蹤方法，其特征在于，估計(jì)計(jì)算得到目標(biāo)位置具體為:
【文檔編號(hào)】G06T7/20GK104036525SQ201410273211
【公開(kāi)日】2014年9月10日 申請(qǐng)日期:2014年6月18日 優(yōu)先權(quán)日:2014年6月18日
【發(fā)明者】李建勛, 郄志安 申請(qǐng)人:上海交通大學(xué)