复杂场景下基于粒子滤波器的运动目标跟踪方法

摘要

本发明公开一种复杂场景下基于粒子滤波器的运动目标跟踪方法，本发明将粒子滤波器框架应用于视频跟踪，在系统观测阶段使用运动信息进行粒子后验概率的计算：首先通过相邻两帧图像相减得到帧间差图像，然后与边缘图像进行比较，通过评价函数得到不同粒子的后验概率，最后在粒子滤波器框架下得到视频跟踪的结果。本发明同时使用结构化RGB颜色分布信息进行辅助判断，以便于处理物体静止时没有运动信息的情况。本发明提供的方法将运动信息嵌入到粒子滤波器实现视频跟踪，提高了跟踪的准确性和鲁棒性。

主权项

一种复杂场景下基于粒子滤波器的运动目标跟踪方法，其特征在于，该方法综合使用视频图像中运动目标的颜色信息与运动信息，能够处理目标被遮挡、暂时消失、风吹草动及复杂场景下的运动目标跟踪，基于粒子滤波器理论框架，将粒子滤波器理论用于视频序列的运动目标跟踪，其步骤如下所述：步骤S1：基于粒子滤波器理论框架对粒子进行初始化，是使用模板匹配在初始图像中寻找运动目标的初始位置，得到其运动信息，并以此作为初始化系统状态设置每个粒子，进行粒子初始化；步骤S2：基于粒子滤波器理论框架，粒子选择跟踪运动目标的运动信息作为粒子系统状态，并按照一阶自回归方程进行传播，即粒子在下一阶段的系统状态为当前阶段的系统状态加一个随机扰动使粒子系统状态发生转移；步骤S3：基于粒子滤波器理论框架对粒子的系统状态进行观测，使用结构化加权RGB颜色直方图分布，计算每个粒子基于颜色信息的后验概率；步骤S4：基于粒子滤波器理论框架，由每个粒子的帧间差图像以及边缘图像，获得粒子的运动信息，然后选择评价函数，将运动信息转化成为概率密度分布，获得每个粒子基于运动信息的后验概率分布；步骤S5：基于粒子滤波器理论框架计算后验概率，融合基于运动目标的颜色信息与运动信息的粒子后验概率分布得到最终的粒子联合后验概率分布；通过调整参数确定颜色信息与运动信息对最终粒子后验概率分布结果的影响；步骤S6：利用每个粒子的后验概率，选择后验概率最大的粒子的系统状态或所有粒子系统状态的数学期望，作为系统状态的估计，确定跟踪目标的运动信息，完成运动目标跟踪；步骤S7：当粒子经过若干次系统转移后，一部分粒子的系统状态距离跟踪目标较远，对粒子进行重采样，抛弃部分后验概率过小的粒子，返回步骤S2。