一种自适应粒子群优化粒子滤波跟踪方法
【专利摘要】本发明提供一种自适应粒子群优化粒子滤波跟踪方法，所述方法包括以下步骤：S1，选取候选目标，并设定所选取的候选目标的帧为第1帧；S2，为候选目标建立参考颜色直方图模板，并采用巴氏系数度量候选目标的颜色直方图与参考颜色直方图模板之间的相似度；S3，在第t帧中，于t-1帧目标位置周边按高斯随机分布M个粒子，并根据运动状态调整粒子群优化算法的参数，其中，t>1；S4，M个粒子根据粒子群优化算法进行搜索，通过估计计算得到目标位置。本发明可以很好适应于复杂条件下的视频目标跟踪，包括运动目标、静止目标，以及“走-停-走”类目标等，也可以很好实现对上述复杂运动目标的稳定跟踪。
【专利说明】一种自适应粒子群优化粒子滤波跟踪方法
【技术领域】
[0001]本发明涉及计算机视觉跟踪【技术领域】，特别是涉及根据目标运动状态自适应调整粒子群的视觉目标跟踪方法领域，具体为一种自适应粒子群优化粒子滤波跟踪方法。
【背景技术】
[0002]在计算机视觉领域，鲁棒而又精准实时的视觉跟踪是一个亟待解决而又极具挑战性的任务。近些年在具体物体的跟踪方面有许多突破性的进展，例如行人，脸部的跟踪等。Zhang, Lu 等人发表在〈〈IEEE Conference on Computer Vis1n and Pattern Recognit1n〉〉上的论文“Structure preserving object tracking”中提到对于一般物体的精准实时跟踪还是极其困的主要原因为以下几点:1)关于此目标可获得的信息过少；2)获得的信息具有二义性，获得的目标信息中参杂这背景的信息；3)目标的外观可能会发生剧烈变化。出于上述原因，一般目标的精准实时跟踪问题始终极具挑战性。
[0003]近些年，粒子滤波方法(PF)由于其能够非高斯和非线性问题的特点在视觉跟踪领域获得了很大的成功。然而它面临一个严重的问题，即其自身在重要性采样过程中的次优采样机制导致的样本贫化问题。粒子滤波方法依赖于重要性采样过程并且要求建议分布能够较好的近似后验分布。最常用的方法就是根据状态转移(转移先验概率)的概率模型进行采样。然而当观测量出现在先验概率的尾部时或者后验分布较先验分布更集中的话，这种方法便极不适用。
[0004]为了解决这个问题，人们提出了几种方法以期产生更为精确的后验分布。例如，提出无迹粒子滤波方器(UPF)，UPF是由无迹卡尔曼滤波器(UKF)和粒子滤波器(PF)组合而成。UPF的PF部分提供了一般概率框架来处理非高斯非线性系统，而UKF部分通过将最近观测量考虑进来以产生更好的建议分布。
[0005]随着群智能算法的兴起，粒子群优化思想(PSO)由于其在复杂动态环境中的鲁棒性及灵活性被越来越多的研究者引入到视觉目标跟踪领域。PSO算法和PF算法均基于最小单位-粒子，受此启发，许多研究者将PSO引入到PF中形成了标准粒子群优化粒子滤波算法(PS0-PF)。然而我们发现标准的PSO-PF算法并不适合跟踪具有复杂运动的目标，例如“走-停-走”类目标。“走-停-走”目标时而静止时而运动，时而快时而慢，时而前进时而后退，也就是说其运动状态难以预测。标准PSO-PF由于其自身参数不可变性，不能很好处理此类目标的复杂运动特性以至于跟踪效果不佳。
【发明内容】
[0006]鉴于以上所述现有技术的缺点，本发明的目的在于提供一种自适应粒子群优化粒子滤波跟踪方法，用于解决现有技术中运动状态变化复杂的视觉目标的跟踪效果不佳的问题。
[0007]为实现上述目的及其他相关目的，本发明提供一种自适应粒子群优化粒子滤波跟踪方法，所述方法包括以下步骤:SI，选取候选目标，并设定所选取的候选目标的帧为第I中贞；S2,为候选目标建立参考颜色直方图模板,并米用巴氏系数度量候选目标的颜色直方图与参考颜色直方图模板之间的相似度；S3，在第t帧中，于t-Ι帧目标位置周边按高斯随机分布M个粒子，并根据运动状态调整粒子群优化算法的参数，其中，t> I ;S4，对M个粒子根据粒子群优化算法进行搜索，通过估计计算得到目标位置。
[0008]优选地，所述候选目标的颜色直方图为:
[0009]pt(x) = {Pt(n, χ)},η=1...Ν
【权利要求】
1.一种自适应粒子群优化粒子滤波跟踪方法，其特征在于，所述方法包括以下步骤: S1，选取候选目标，并设定所选取的候选目标的帧为第I帧； S2,为候选目标建立参考颜色直方图模板，并米用巴氏系数度量候选目标的颜色直方图与参考颜色直方图模板之间的相似度； S3，在第t帧中，于t-Ι帧目标位置周边按高斯随机分布M个粒子，并根据运动状态调整粒子群优化算法的参数，其中，t > I ; S4,对M个粒子根据粒子群优化算法进行搜索，通过估计计算得到目标位置。
2.根据权利要求1所述的自适应粒子群优化粒子滤波跟踪方法，其特征在于，所述候选目标的颜色直方图为:pt (X) = {pt (η, X)}，η = 1...N ;
3.根据权利要求2所述的自适应粒子群优化粒子滤波跟踪方法，其特征在于，采用巴氏系数度量候选目标的颜色直方图与参考颜色直方图模板之间的相似度具体为:
4.根据权利要求1所述的自适应粒子群优化粒子滤波跟踪方法，其特征在于，根据运动状态调整粒子群优化算法的参数具体为:
5.根据权利要求1或4所述的自适应粒子群优化粒子滤波跟踪方法，其特征在于，粒子群优化算法具体为:
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)分别是第i个粒子在第t次迭代时的中心位置和速度，Xi (t+1)、(t+1)分别是第i个粒子在第t+Ι次迭代时的中心位置和速度，Wt为候选目标在第t帧的惯性系数，Pi是第i个粒子的历史最佳位置，Pg是所有粒子的全局历史最佳位置，g为全局最佳粒子的编号，Wt参数为惯性系数，C1和C2为系数，rand O为[O，I]区间的均匀分布随机函数；全局最佳粒子即适应度最大的粒子，粒子的适应度为:
w(m) = w(m).exp (-λ.Db [pm, q])； 其中，w(m)为第m个粒子的适应度，Db [pm，q]为Pm和q的巴氏距离，Pffl为第m个粒子的颜色直方图，q为参考颜色直方图模板，λ为调节巴氏距离的常系数。
6.根据权利要求5所述的自适应粒子群优化粒子滤波跟踪方法，其特征在于，估计计算得到目标位置具体为:
【文档编号】G06T7/20GK104036525SQ201410273211
【公开日】2014年9月10日 申请日期:2014年6月18日 优先权日:2014年6月18日
【发明者】李建勋, 郄志安 申请人:上海交通大学