基于改進箱粒子濾波的視頻目標跟蹤方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于跟蹤監(jiān)測技術(shù)領(lǐng)域，特別涉及一種視頻目標跟蹤方法，可用于視頻監(jiān) 控、目標跟蹤系統(tǒng)。
【背景技術(shù)】
[0002] 在視頻跟蹤研究中，基于粒子濾波的目標跟蹤方法由于其在解決非線性問題方面 的優(yōu)異特性，以及相對開放的跟蹤框架對各種特征描述方法的兼容能力，在視頻跟蹤中得 至IJ了廣泛的應(yīng)用。然而，由于采樣粒子的空間覆蓋能力與實際量測存在的模糊性不相匹配， 致使普通粒子濾波跟蹤方法對于運動動態(tài)范圍大的小目標的捕獲性能變差。因此，如何提 高粒子采樣效率，利用較少的粒子實現(xiàn)對目標可能存在區(qū)域的有效覆蓋，同時與量測模糊 性相匹配，已成為視頻跟蹤研究中的難點問題。
[0003] 目前，典型的目標跟蹤方法有：均值漂移，普通粒子濾波和普通箱粒子濾波等。其 中：
[0004] 均值漂移方法，雖然簡單易實現(xiàn)，計算量小，但因具有局部收斂特性容易陷入局部 最優(yōu)解而產(chǎn)生明顯的跟蹤滯后效應(yīng)，對快速移動的大動態(tài)范圍目標易產(chǎn)生失跟；
[0005] 普通粒子濾波方法的跟蹤性能較大程度依賴于所采用的粒子數(shù)，且將所用粒子抽 象為空間體積為零的點。這使得大量粒子映射到量測空間中，只占據(jù)若干個與量測尺度相 當(dāng)?shù)膮^(qū)域，存在點粒子描述精確性與量測模糊性之間不匹配的問題，導(dǎo)致計算量的浪費。
[0006] 普通箱粒子濾波方法，將普通的點粒子拓展為箱粒子，從而更為高效的實現(xiàn)對目 標狀態(tài)空間的覆蓋，解決了粒子在狀態(tài)空間中的覆蓋能力與量測模糊性不匹配的問題。但 是現(xiàn)有的箱粒子濾波僅應(yīng)用于雷達目標跟蹤中，無法直接應(yīng)用于視頻目標跟蹤中。將箱粒 子濾波概念引入視頻目標跟蹤中，主要面臨以下問題：一是普通箱粒子濾波中所使用的區(qū) 間分析理論僅適用于初等函數(shù)映射，而視頻跟蹤中量測函數(shù)不是初等函數(shù)；二是數(shù)字圖像 坐標具有離散性，而普通箱粒子濾波中的收縮算法和重采樣策略都要對箱粒子進行分割操 作，使其可能小于一個像素，從而失去意義。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于針對上述已有技術(shù)中的不足，結(jié)合視頻跟蹤中量測函數(shù)為非初 等函數(shù)以及數(shù)字圖像坐標具有離散性的情況，對量測區(qū)間映射、收縮算法和重采樣策略進 行改進，提出了一種基于改進箱粒子濾波的視頻目標跟蹤方法，以提升對大動態(tài)范圍小目 標的搜索和捕捉性能及粒子采樣效率。
[0008] 實現(xiàn)本發(fā)明的技術(shù)關(guān)鍵是：在跟蹤過程中，通過頂點映射函數(shù)實現(xiàn)對量測實際分 布區(qū)間簡便而有效的估計，并且將收縮算法和重采樣策略中涉及箱粒子體積的操作改進為 穩(wěn)定且可控的收縮和放大，以保證估計精度與箱粒子覆蓋能力之間的平衡，從而更為高效 的實現(xiàn)對目標狀態(tài)空間的覆蓋，提高對目標的搜索和捕捉性能，以及跟蹤的實時性。其實現(xiàn) 步驟包括如下：
[0009] (1)初始化：
[0010](la)讀入k-1時刻的圖像Iki，將普通點粒子拓展為箱粒子，初始化k-1時刻的箱 粒子集為,其中，表示k-i時刻第i個箱粒子的狀態(tài)區(qū)間，i為箱粒子序號， 取值為1，2,…，N，N表示箱粒子總數(shù)，k表示時刻，初始時刻為k= 1 ;
[0011] (lb)初始化目標跟蹤窗：Bk(rkDcky，其中rki和cki分別表示k-ι時刻目 標跟蹤窗的長度和寬度值，T表示向量轉(zhuǎn)置運算；
[0012](lc)根據(jù)目標初始狀態(tài)與目標跟蹤窗Bki，初始化目標的特征協(xié)方差矩陣Μ作為 特征模板；
[0013] (2)預(yù)測目標狀態(tài)：
[0014] (2a)讀入k時刻的圖像Ik，通過對k-Ι時刻圖像中箱粒子的傳遞，得 至|Jk時刻圖像中的預(yù)測箱粒子集f，其中為k時刻第i個預(yù)測箱粒子的狀態(tài)區(qū) ILΛ)L.: r- 間；
[0015](2b)根據(jù)k時刻預(yù)測箱粒子集和目標跟蹤窗Bki，確定k時刻候選目標
I ，其中，ifM為k時刻第i個預(yù)測箱粒子的第v個頂點所對應(yīng)的候選目標， 、 ,(-? 它表示以為中心、Bkl為長寬所界定出的矩形區(qū)域，為預(yù)測箱粒子[jf□的第ν 個頂點，v表示頂點的序號，取值為1、2、3、4 ;
[0016] ⑶提取候選目標特征：
[0017] (3a)對于k時刻圖像Ik，提取其對應(yīng)的特征圖F;
[0018] (3b)在特征圖F的基礎(chǔ)上得到特征向量積分圖IP和特征向量乘積積分圖IQ;
[0019] (3c)根據(jù)特征向量積分圖IP、特征向量乘積積分圖IQ和候選目標集
提取候選目標的特征_
，其中Cf>為k時刻第i個預(yù)測箱粒子的 第v個頂點所對應(yīng)候選目標的特征協(xié)方差矩陣；
[0020] (4)計算箱粒子權(quán)值：
[0021] (4a)求取各候選目標特征集
與特征模板Μ之間的距離集
其中ρ〖'ν>表示k時刻第i個預(yù)測箱粒子的第V個頂點所對應(yīng)候選目標的特征 協(xié)方差矩陣與特征模板之間的距離；
[0022] (4b)根據(jù)距離#
，對預(yù)測箱粒子集進行收縮，得到更新箱 粒子集，其中，[Ml表示k時刻第i個更新箱粒子的狀態(tài)區(qū)間；
[0023] (4c)計算更新箱粒子集對應(yīng)的權(quán)值集表示k時刻第i個更新箱粒子 的權(quán)值；
[0024](5)重采樣：
[0025] (5a)利用重采樣算法，根據(jù)權(quán)值集丨 < 廣(對k時刻更新箱粒子集f#]丨二進行重 采樣，得到k時刻的重采樣箱粒子集，其中表示k時刻第i個重采樣箱粒子的 狀態(tài)區(qū)間；
[0026] (5b)保持重采樣箱粒子中心不變，將重采樣箱粒子的大小擴大4倍，得到k時刻的 箱粒子集丨[#]【，其中表示k時刻第i個箱粒子的狀態(tài)區(qū)間；
[0027] (6)估計目標狀態(tài)：
[0028] (6a)根據(jù)k時刻的箱粒子集(6#1i，估計k時刻的目標狀態(tài)Xk:
[0029]
[0030] 其中，N表示粒子總數(shù)，為k時刻第i個箱粒子的中心；
[0031] (6b)根據(jù)k時刻的目標狀態(tài)Xk和目標跟蹤窗Bk，確定出k時刻目標Tk，并輸出；
[0032] (7)判斷是否迭代：
[0033] 檢查下一時刻的信息是否到達，若是，令k=k+l，返回步驟（2)進行迭代，否則，目 標跟蹤過程結(jié)束。
[0034] 本發(fā)明具有以下優(yōu)點：
[0035] 1)本發(fā)明通過將普通的點粒子拓展為箱粒子，提高了對目標狀態(tài)空間的覆蓋能 力，從而解決了采樣粒子的覆蓋能力與量測模糊性不匹配的問題；
[0036] 2)本發(fā)明依靠箱粒子較強的空間覆蓋能力，提高了采樣效率，從而提升了對大動 態(tài)范圍目標的搜索和捕捉性能。
【附圖說明】
[0037] 圖1是本發(fā)明的整體流程圖；
[0038] 圖2是本發(fā)明中箱粒子與普通點粒子的比較圖；
[0039] 圖3是本發(fā)明的整體實現(xiàn)過程示意圖；
[0040] 圖4是用本發(fā)明及現(xiàn)有方法對行人視頻序列進行跟蹤的實驗結(jié)果圖；
[0041] 圖5是用本發(fā)明及現(xiàn)有方法對乒乓球視頻序列進行跟蹤的實驗結(jié)果圖；
[0042] 圖6是用本發(fā)明及現(xiàn)有方法對直升機視頻序列進行跟蹤的實驗結(jié)果圖；
[0043] 圖7是用本發(fā)明及現(xiàn)有方法對行人視頻序列進行跟蹤的似然等高線及采樣粒子 實驗結(jié)果對比圖；
[0044] 圖8是用本發(fā)明及現(xiàn)有方法對乒乓球視頻序列進行跟蹤的似然等高線及采樣粒 子實驗結(jié)果對比圖；
[0045] 圖9是用本發(fā)明及現(xiàn)有方法對直升機視頻序列進行跟蹤的似然等高線及采樣粒 子實驗結(jié)果對比圖。
【具體實施方式】
[0046] 參照圖1，本發(fā)明的具體實施過程包括以下步驟：
[0047] 步驟1.初始化。
[0048] 1. 1)令初始時刻k= 1，讀入k-1時刻的圖像Iki，將普通點粒子拓展為箱粒子，并 初始化k-Ι時刻的箱粒子集
[0049] 參照圖2,普通點粒于骰抽家為空間體積為零的點，而箱粒子為LxXLy的箱，可以 更為高效的實現(xiàn)對目標狀態(tài)空間的覆蓋，其中LdP、分別表示箱粒子狀態(tài)區(qū)間的長度值和 寬度值，故本發(fā)明選用箱粒子，其初始化k-Ι時刻的箱粒子集步驟如下：
[0050] 1. 1. 1)根據(jù)目標的初始狀態(tài)，產(chǎn)生k-Ι時刻第i個箱粒子
[0051]
1)
[0052] 其中，i為箱粒子序號，取值為1，2, "·，Ν，N表示箱粒子總數(shù)，:^和^^分別表示 k-Ι時刻第i個箱粒子狀態(tài)區(qū)間中點的橫坐標和縱坐標，^,和3^分別表示k-Ι時刻第i 個箱粒子狀態(tài)區(qū)