一種自適應粒子群優化粒子濾波跟蹤方法
【專利摘要】本發明提供一種自適應粒子群優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，并設定所選取的候選目標的幀為第1幀；S2，為候選目標建立參考顏色直方圖模板，并采用巴氏系數度量候選目標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幀目標位置周邊按高斯隨機分布M個粒子，并根據運動狀態調整粒子群優化算法的參數，其中，t>1；S4，M個粒子根據粒子群優化算法進行搜索，通過估計計算得到目標位置。本發明可以很好適應于復雜條件下的視頻目標跟蹤，包括運動目標、靜止目標，以及“走-停-走”類目標等，也可以很好實現對上述復雜運動目標的穩定跟蹤。
【專利說明】一種自適應粒子群優化粒子濾波跟蹤方法
【技術領域】
[0001]本發明涉及計算機視覺跟蹤【技術領域】，特別是涉及根據目標運動狀態自適應調整粒子群的視覺目標跟蹤方法領域，具體為一種自適應粒子群優化粒子濾波跟蹤方法。
【背景技術】
[0002]在計算機視覺領域，魯棒而又精準實時的視覺跟蹤是一個亟待解決而又極具挑戰性的任務。近些年在具體物體的跟蹤方面有許多突破性的進展，例如行人，臉部的跟蹤等。Zhang, Lu 等人發表在〈〈IEEE Conference on Computer Vis1n and Pattern Recognit1n〉〉上的論文“Structure preserving object tracking”中提到對于一般物體的精準實時跟蹤還是極其困的主要原因為以下幾點:1)關于此目標可獲得的信息過少；2)獲得的信息具有二義性，獲得的目標信息中參雜這背景的信息；3)目標的外觀可能會發生劇烈變化。出于上述原因，一般目標的精準實時跟蹤問題始終極具挑戰性。
[0003]近些年，粒子濾波方法(PF)由于其能夠非高斯和非線性問題的特點在視覺跟蹤領域獲得了很大的成功。然而它面臨一個嚴重的問題，即其自身在重要性采樣過程中的次優采樣機制導致的樣本貧化問題。粒子濾波方法依賴于重要性采樣過程并且要求建議分布能夠較好的近似后驗分布。最常用的方法就是根據狀態轉移(轉移先驗概率)的概率模型進行采樣。然而當觀測量出現在先驗概率的尾部時或者后驗分布較先驗分布更集中的話，這種方法便極不適用。
[0004]為了解決這個問題，人們提出了幾種方法以期產生更為精確的后驗分布。例如，提出無跡粒子濾波方器(UPF)，UPF是由無跡卡爾曼濾波器(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處理非高斯非線性系統，而UKF部分通過將最近觀測量考慮進來以產生更好的建議分布。
[0005]隨著群智能算法的興起，粒子群優化思想(PSO)由于其在復雜動態環境中的魯棒性及靈活性被越來越多的研究者引入到視覺目標跟蹤領域。PSO算法和PF算法均基于最小單位-粒子，受此啟發，許多研究者將PSO引入到PF中形成了標準粒子群優化粒子濾波算法(PS0-PF)。然而我們發現標準的PSO-PF算法并不適合跟蹤具有復雜運動的目標，例如“走-停-走”類目標。“走-停-走”目標時而靜止時而運動，時而快時而慢，時而前進時而后退，也就是說其運動狀態難以預測。標準PSO-PF由于其自身參數不可變性，不能很好處理此類目標的復雜運動特性以至于跟蹤效果不佳。
【發明內容】
[0006]鑒于以上所述現有技術的缺點，本發明的目的在于提供一種自適應粒子群優化粒子濾波跟蹤方法，用于解決現有技術中運動狀態變化復雜的視覺目標的跟蹤效果不佳的問題。
[0007]為實現上述目的及其他相關目的，本發明提供一種自適應粒子群優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，并設定所選取的候選目標的幀為第I中貞；S2,為候選目標建立參考顏色直方圖模板,并米用巴氏系數度量候選目標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幀目標位置周邊按高斯隨機分布M個粒子，并根據運動狀態調整粒子群優化算法的參數，其中，t> I ;S4，對M個粒子根據粒子群優化算法進行搜索，通過估計計算得到目標位置。
[0008]優選地，所述候選目標的顏色直方圖為:
[0009]pt(x) = {Pt(n, χ)},η=1...Ν
【權利要求】
1.一種自適應粒子群優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，并設定所選取的候選目標的幀為第I幀； S2,為候選目標建立參考顏色直方圖模板，并米用巴氏系數度量候選目標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幀目標位置周邊按高斯隨機分布M個粒子，并根據運動狀態調整粒子群優化算法的參數，其中，t > I ; S4,對M個粒子根據粒子群優化算法進行搜索，通過估計計算得到目標位置。
2.根據權利要求1所述的自適應粒子群優化粒子濾波跟蹤方法，其特征在于，所述候選目標的顏色直方圖為:pt (X) = {pt (η, X)}，η = 1...N ;
3.根據權利要求2所述的自適應粒子群優化粒子濾波跟蹤方法，其特征在于，采用巴氏系數度量候選目標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.根據權利要求1所述的自適應粒子群優化粒子濾波跟蹤方法，其特征在于，根據運動狀態調整粒子群優化算法的參數具體為:
5.根據權利要求1或4所述的自適應粒子群優化粒子濾波跟蹤方法，其特征在于，粒子群優化算法具體為:
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個粒子在第t次迭代時的中心位置和速度，Xi (t+1)、(t+1)分別是第i個粒子在第t+Ι次迭代時的中心位置和速度，Wt為候選目標在第t幀的慣性系數，Pi是第i個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，Wt參數為慣性系數，C1和C2為系數，rand O為[O，I]區間的均勻分布隨機函數；全局最佳粒子即適應度最大的粒子，粒子的適應度為:
w(m) = w(m).exp (-λ.Db [pm, q])； 其中，w(m)為第m個粒子的適應度，Db [pm，q]為Pm和q的巴氏距離，Pffl為第m個粒子的顏色直方圖，q為參考顏色直方圖模板，λ為調節巴氏距離的常系數。
6.根據權利要求5所述的自適應粒子群優化粒子濾波跟蹤方法，其特征在于，估計計算得到目標位置具體為:
【文檔編號】G06T7/20GK104036525SQ201410273211
【公開日】2014年9月10日 申請日期:2014年6月18日 優先權日:2014年6月18日
【發明者】李建勛, 郄志安 申請人:上海交通大學