[发明专利]动态状态估计

权利要求书

1.一种方法，包括：

提供用于估计动态系统的状态的定位的一组粒子(1010)；

应用局部模式搜索机制以移动该组粒子中的一个或多个粒子(1020)；

修改该组粒子中的粒子的数目(1030)；以及

使用该组粒子中的粒子来估计该动态系统的状态的定位(1040)。

2.如权利要求1所述的方法，其中，该基于粒子的算法包括粒子滤波算法。

3.如权利要求1所述的方法，其中，该局部模式搜索机制包括均值偏移分析处理。

4.如权利要求1所述的方法，其中，适配粒子的数目包括使用库尔贝克-莱布勒距离(“KLD”)采样处理。

5.如权利要求4所述的方法，进一步包括使用KD树结构来估计KLD采样处理中的面元的数目。

6.如权利要求5所述的方法，其中，使用KD树结构包括将粒子插入到KD树中，所述粒子包括尺寸，并且将粒子插入包括：

量化给定粒子的尺寸，以产生给定粒子的量化值，

通过将给定粒子与KD树中的节点相关联来将给定粒子插入KD树中，

量化不同粒子的尺寸，以产生不同粒子的量化值，

将给定粒子的量化值与该不同粒子的量化值进行比较，以及

基于将两个量化值进行比较的结果来确定是否丢弃该不同粒子。

7.如权利要求6所述的方法，其中，确定是否丢弃该不同粒子包括：如果该不同粒子的量化值与该给定粒子的量化值相同，则丢弃该不同粒子。

8.如权利要求1所述的方法，其中：

基于粒子的算法包括粒子滤波算法，

该机制包括均值偏移分析处理，以及

适配粒子的数目包括使用库尔贝克-莱布勒距离(“KLD”)采样处理。

9.如权利要求1所述的方法，其中，在应用该机制以移动粒子之后，进行适配粒子的数目。

10.如权利要求1所述的方法，其中：

基于粒子的算法包括粒子滤波算法，以及

使用多种类型的数据来计算粒子权重。

11.如权利要求10所述的方法，其中：

将该粒子滤波算法用于跟踪视频中的对象，以及

该多种类型的数据包括色彩直方图数据和梯度数据。

12.如权利要求1所述的方法，其中：

该基于粒子的算法包括粒子滤波算法，以及

该粒子滤波算法包括动态模型，在该粒子滤波算法的给定迭代处，所述动态模型(1)使用第一运动模型来更新第一部分的粒子，并且(2)使用与第一运动模型不同的第二运动模型来更新第二部分的粒子。

13.如权利要求12所述的方法，其中：

将该粒子滤波算法用于跟踪视频中的对象，

该第一运动模型包括随机行走模型，以及

该第二运动模型包括二阶自回归模型。

14.如权利要求1所述的方法，其中，该基于粒子的算法使用数据的测量。

15.如权利要求1所述的方法，其中，将该基于粒子的算法用于跟踪视频中的对象，该动态系统的状态包括对象的位置，并且该方法进一步包括：

向编码器提供所估计的对象位置，

使用第一编码算法来对与所估计的位置相对应的、视频的部分进行编码，以及

使用第二编码算法来对与所估计的位置不相对应的、视频的另一部分进行编码。

16.如权利要求1所述的方法，其中，将该基于粒子的算法用于跟踪视频中的对象，该动态系统的状态包括对象的位置，并且该方法进一步包括：

向处理装置提供所估计的对象位置，

处理装置使用所估计的对象位置来修改该视频，以使能对象的增强显示。

17.如权利要求16所述的方法，其中，该增强显示包括在视频中突出对象。

18.如权利要求1所述的方法，进一步包括：在应用局部模式搜索机制之前，通过使用动态模型来更新一个或多个粒子，从而移动该组粒子中的一个或多个粒子。