主权项 |
1.一种基于协同关联粒子滤波的多视频目标主动跟踪方法,其特征是包括以下步骤:(1)视觉注意主动发现新目标:k-1时刻(k≥1),对视频图像用视觉注意机制算法计算场景中存在的目标,计算目标的显著图特征q<sub>d</sub>;建立协同关联矩阵O<sub>k</sub>,所述的协同关联矩阵O<sub>k</sub>表示两两目标间的遮挡关系,矩阵中的第i行第j列对应的元素记为O<sub>i,j</sub>,表示目标i与j的遮挡关系;当两两目标间的欧氏距离小于目标宽度的一半时,O<sub>i,j</sub>=1(i≠j),表示目标i遮挡了目标j;其它情况O<sub>i,j</sub>=0(i≠j),表示两目标间没有发生遮挡;只要i=j,那么O<sub>i,j</sub>=0;O<sub>i,j</sub>与O<sub>j,i</sub>不能同时为1,如果目标i的宽度大于j,则O<sub>i,j</sub>=1,反之,O<sub>j,i</sub>=1;如果发现新目标,则①建立如下采样建议分布q<sub>new</sub>(X<sub>k</sub>|X<sub>k-1</sub>,Z<sub>1:k</sub>)=αq<sub>d</sub>(X<sub>k</sub>|X<sub>k-1</sub>,Z<sub>1:k</sub>)+(1-α)p(X<sub>k</sub>|X<sub>k-1</sub>);其中,q<sub>new</sub>(X<sub>k</sub>|X<sub>k-1</sub>,Z<sub>1:k</sub>)为新目标的建议分布;q<sub>d</sub>(X<sub>k</sub>|X<sub>k-1</sub>,Z<sub>1:k</sub>)为新目标的视觉显著图特征,X为待估计的当前帧的目标状态,由目标的中心点坐标及对应矩形的长短半轴的长度组成;Z为观测量;α是比例系数,α∈(0,1);②初始化粒子集:在所述的视频图像中,根据先验概率p<sub>0</sub>采集N个粒子样本组成k-1时刻的新目标的初始样本集<img file="FDA0000121192500000011.GIF" wi="258" he="134" />该初始样本集即为初始化的粒子集,其中<img file="FDA0000121192500000012.GIF" wi="75" he="63" />表示第i个初始样本,将<img file="FDA0000121192500000013.GIF" wi="52" he="106" />定义为每个初始样本的权值,N=100~10000;③更新协同关联矩阵O<sub>k</sub>;(2)各目标协同采样:为得到样本集<img file="FDA0000121192500000014.GIF" wi="255" he="75" />首先根据所述的采样建议分布和O<sub>k</sub>采集样本X<sub>k</sub>;其中<img file="FDA0000121192500000015.GIF" wi="76" he="63" />是采样得到的第i个样本,<img file="FDA0000121192500000016.GIF" wi="67" he="63" />表示第i个样本的权值,<img file="FDA0000121192500000017.GIF" wi="620" he="73" /><img file="FDA0000121192500000018.GIF" wi="77" he="63" />表示第m个目标采样得到的第i个样本;s<sub>mk</sub>是协同因子,表示k时刻目标m被遮挡的深度信息,s<sub>mk</sub>取值取决于O<sub>k</sub>;若k时刻O<sub>i,j</sub>=1,则s<sub>i,k</sub>=1,表示目标i遮挡,s<sub>j,k</sub>=2表示目标j被遮挡,采样时只采目标i的样本,目标j放弃采样过程;如果O<sub>i,j</sub>=0,则s<sub>mk</sub>=0,表示目标没有遮挡或被遮挡,目标i和j都需要采样;(3)计算协同概率数据关联概率和权值,更新粒子集:I.利用(2)中采样得到的样本,①根据联合概率数据关联算法(JPDA)计算协同数据关联概率概率为<maths num="0001"><![CDATA[<math><mrow><msub><mi>β</mi><mrow><mi>m</mi><mo>,</mo><mi>t</mi></mrow></msub><mo>=</mo><munder><mi>Σ</mi><mrow><mi>θ</mi><mo>∈</mo><msub><mi>Θ</mi><mrow><mi>m</mi><mo>,</mo><mi>t</mi></mrow></msub></mrow></munder><msup><mi>Cγ</mi><mrow><msub><mi>M</mi><mi>k</mi></msub><mo>-</mo><mover><mi>θ</mi><mo>=</mo></mover></mrow></msup><munder><mi>Π</mi><mrow><mrow><mo>(</mo><mi>m</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mo>∈</mo><mi>θ</mi></mrow></munder><msub><mi>p</mi><mrow><mi>m</mi><mo>,</mo><mi>t</mi></mrow></msub><mo>,</mo></mrow></math>]]></maths>其中<maths num="0002"><![CDATA[<math><mrow><msub><mi>p</mi><mrow><mi>m</mi><mo>,</mo><mi>t</mi></mrow></msub><mo>=</mo><mfrac><mn>1</mn><mrow><msup><mrow><mo>(</mo><mn>2</mn><mi>π</mi><mo>)</mo></mrow><mrow><mi>Q</mi><mo>/</mo><mn>2</mn></mrow></msup><msup><mrow><mo>|</mo><msub><mi>S</mi><mrow><mi>m</mi><mo>,</mo><mi>t</mi></mrow></msub><mo>|</mo></mrow><mrow><mn>1</mn><mo>/</mo><mn>2</mn></mrow></msup></mrow></mfrac><mi>exp</mi><mrow><mo>(</mo><mfrac><mrow><mo>-</mo><msubsup><mi>d</mi><mrow><mi>m</mi><mo>,</mo><mi>t</mi></mrow><mn>2</mn></msubsup></mrow><mn>2</mn></mfrac><mo>)</mo></mrow><mo>;</mo></mrow></math>]]></maths>θ是关联事件集合,每个联合关联事件θ唯一确定目标观测与目标状态的关联;令Θ<sub>m,t</sub>表示为观测m关联到目标t的所有有效联合关联事件集合,<img file="FDA0000121192500000023.GIF" wi="39" he="56" />为联合关联事件集合的势,M<sub>k</sub>表示观测数,<img file="FDA0000121192500000024.GIF" wi="156" he="67" />为虚警观测;γ为虚警观测概率,<img file="FDA0000121192500000025.GIF" wi="113" he="67" />为Z<sub>k</sub>中所有虚警观测概率,C为归一化常数,Q为观测变量的维数;<img file="FDA0000121192500000026.GIF" wi="69" he="60" />为归一化的观测更新度量,|·|为行列式表示,S<sub>m,t</sub>为观测集协方差;②粒子权值计算:对于目标t,根据联合数据关联概率β<sub>m,t</sub>,对粒子集中的N个样本<img file="FDA0000121192500000027.GIF" wi="75" he="67" />计算权值<img file="FDA0000121192500000028.GIF" wi="91" he="67" /><img file="FDA0000121192500000029.GIF" wi="75" he="67" />的权值可表示为<img file="FDA00001211925000000210.GIF" wi="561" he="90" />其中,p(Z<sub>k,t</sub>|X<sub>k,t</sub>)是视频目标的观测概率;II.更新粒子集<img file="FDA00001211925000000211.GIF" wi="254" he="75" />(4)状态输出;k时刻,对于目标t=1,…,T,所述的多视频目标的状态等于用样本求取的估计值,该估计值用最小均方误差估计(MMSE估计)方法来计算,即估计值<img file="FDA00001211925000000212.GIF" wi="75" he="66" />等于<maths num="0003"><![CDATA[<math><mrow><mi>E</mi><mrow><mo>(</mo><msub><mi>X</mi><mrow><mi>k</mi><mo>,</mo><mi>t</mi></mrow></msub><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msubsup><mi>ω</mi><mrow><mi>k</mi><mo>,</mo><mi>t</mi></mrow><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></msubsup><msubsup><mi>X</mi><mrow><mi>k</mi><mo>,</mo><mi>t</mi></mrow><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow></msubsup><mo>;</mo></mrow></math>]]></maths>(5)重采样:根据(3)中的<img file="FDA00001211925000000214.GIF" wi="259" he="78" />采用累计分布重采样算法采样得到<img file="FDA00001211925000000215.GIF" wi="255" he="81" />令粒子权值为<img file="FDA00001211925000000216.GIF" wi="75" he="106" />重新组成粒子集<img file="FDA00001211925000000217.GIF" wi="261" he="133" />(6)循环:令k=k+1,重复(1)~(5);直到本视频序列结束。 |