| 主权项 |
一种基于改进箱粒子滤波的视频目标跟踪方法，包括：(1)初始化：(1a)读入k‑1时刻的图像I<sub>k‑1</sub>，将普通点粒子拓展为箱粒子，初始化k‑1时刻的箱粒子集为<img file="FDA0000842523210000011.GIF" wi="239" he="126" />其中，<img file="FDA0000842523210000012.GIF" wi="142" he="101" />表示k‑1时刻第i个箱粒子的状态区间，i为箱粒子序号，取值为1,2,…,N，N表示箱粒子总数，k表示时刻，初始时刻为k＝1；(1b)初始化目标跟踪窗：B<sub>k‑1</sub>＝(r<sub>k‑1</sub>,c<sub>k‑1</sub>)<sup>T</sup>，其中r<sub>k‑1</sub>和c<sub>k‑1</sub>分别表示k‑1时刻目标跟踪窗的长度和宽度值，T表示向量转置运算；(1c)根据目标初始状态与目标跟踪窗B<sub>k‑1</sub>，初始化目标的特征协方差矩阵M作为特征模板；(2)预测目标状态：(2a)读入k时刻的图像I<sub>k</sub>，通过对k‑1时刻图像中箱粒子集<img file="FDA0000842523210000013.GIF" wi="223" he="119" />的传递，得到k时刻图像中的预测箱粒子集<img file="FDA0000842523210000014.GIF" wi="229" he="119" />其中<img file="FDA0000842523210000015.GIF" wi="125" he="103" />为k时刻第i个预测箱粒子的状态区间；(2b)根据k时刻预测箱粒子集<img file="FDA0000842523210000016.GIF" wi="207" he="118" />和目标跟踪窗B<sub>k‑1</sub>，确定k时刻候选目标集<img file="FDA0000842523210000017.GIF" wi="302" he="134" />其中，<img file="FDA0000842523210000018.GIF" wi="114" he="77" />为k时刻第i个预测箱粒子的第v个顶点所对应的候选目标，它表示以<img file="FDA0000842523210000019.GIF" wi="150" he="103" />为中心、B<sub>k‑1</sub>为长宽所界定出的矩形区域，<img file="FDA00008425232100000110.GIF" wi="155" he="102" />为预测箱粒子<img file="FDA00008425232100000111.GIF" wi="124" he="101" />的第v个顶点，v表示顶点的序号，取值为1、2、3、4；(3)提取候选目标特征：(3a)对于k时刻图像I<sub>k</sub>，提取其对应的特征图F；(3b)在特征图F的基础上得到特征向量积分图IP和特征向量乘积积分图IQ；(3c)根据特征向量积分图IP、特征向量乘积积分图IQ和候选目标集<img file="FDA00008425232100000112.GIF" wi="301" he="143" />提取候选目标的特征集<img file="FDA00008425232100000113.GIF" wi="302" he="135" />其中<img file="FDA00008425232100000114.GIF" wi="112" he="79" />为k时刻第i个预测箱粒子的第v个顶点所对应候选目标的特征协方差矩阵；(4)计算箱粒子权值：(4a)求取各候选目标特征集<img file="FDA0000842523210000021.GIF" wi="276" he="134" />与特征模板M之间的距离集<img file="FDA0000842523210000022.GIF" wi="301" he="135" />其中<img file="FDA0000842523210000023.GIF" wi="111" he="79" />表示k时刻第i个预测箱粒子的第v个顶点所对应候选目标的特征协方差矩阵与特征模板之间的距离；(4b)根据距离集<img file="FDA0000842523210000024.GIF" wi="302" he="136" />对预测箱粒子集<img file="FDA0000842523210000025.GIF" wi="203" he="119" />进行收缩，得到更新箱粒子集<img file="FDA0000842523210000026.GIF" wi="231" he="118" />其中，<img file="FDA0000842523210000027.GIF" wi="126" he="103" />表示k时刻第i个更新箱粒子的状态区间；(4c)计算更新箱粒子集对应的权值集<img file="FDA0000842523210000028.GIF" wi="190" he="118" /><img file="FDA0000842523210000029.GIF" wi="82" he="78" />表示k时刻第i个更新箱粒子的权值；(5)重采样：(5a)利用重采样算法，根据权值集<img file="FDA00008425232100000210.GIF" wi="168" he="118" />对k时刻更新箱粒子集<img file="FDA00008425232100000211.GIF" wi="209" he="126" />进行重采样，得到k时刻的重采样箱粒子集<img file="FDA00008425232100000212.GIF" wi="221" he="126" />其中<img file="FDA00008425232100000213.GIF" wi="118" he="103" />表示k时刻第i个重采样箱粒子的状态区间；(5b)保持重采样箱粒子中心不变，将重采样箱粒子的大小扩大4倍，得到k时刻的箱粒子集<img file="FDA00008425232100000214.GIF" wi="230" he="119" />其中<img file="FDA00008425232100000215.GIF" wi="125" he="103" />表示k时刻第i个箱粒子的状态区间；(6)估计目标状态：(6a)根据k时刻的箱粒子集<img file="FDA00008425232100000216.GIF" wi="231" he="121" />估计k时刻的目标状态X<sub>k</sub>：<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>X</mi><mi>k</mi></msub><mo>=</mo><mfrac><mn>1</mn><mi>N</mi></mfrac><munderover><mo>Σ</mo><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><mi>m</mi><mi>i</mi><mi>d</mi><mrow><mo>(</mo><mo>[</mo><msubsup><mi>x</mi><mi>k</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></msubsup><mo>]</mo><mo>)</mo></mrow><mo>,</mo></mrow>]]></math><img file="FDA00008425232100000217.GIF" wi="500" he="130" /></maths>其中，N表示粒子总数，<img file="FDA00008425232100000218.GIF" wi="251" he="110" />为k时刻第i个箱粒子的中心；(6b)根据k时刻的目标状态X<sub>k</sub>和目标跟踪窗B<sub>k</sub>，确定出k时刻目标T<sub>k</sub>，并输出；(7)判断是否迭代：检查下一时刻的信息是否到达，若是，令k＝k+1，返回步骤(2)进行迭代，否则，目标跟踪过程结束。 |
