[发明专利]一种基于粒子滤波和光流矢量的视频目标跟踪方法

说明书

技术领域

本发明涉及一种视频目标跟踪方法，尤其是涉及一种基于粒子滤波和光流矢量的视频目标跟踪方法，特别适用于高质量、高效率视频以及图像的特效处理及合成软件中。

背景技术

在图像/视频后期处理软件中，对运动图像的像素特征区域进行跟踪，跟踪数据可以用来控制其它物体的运动和稳定运动物体，这有广泛的需求。

粒子滤波算法具有很好的实用性，用于粒子滤波跟踪算法的粒子滤波器的基本思想来源于Perfect Monte Carlo(PMC)仿真，在PMC中，任意函数的数学期望：E(g(x_0:K))＝∫g(x_0:k)P(x_0:k|z_1:k)dx_0:k，可以近似为其中离散样本是从后验分布函数f(x|z)中产生的N个点的独立分布同分布序列。当N足够大的时候，)绝对收敛于E(g(x_0:k))。其核心思想是利用一系列随机样本的加权和表示所需的后验概率密度，得到状态的估计值。粒子滤波跟踪算法可以参阅：Katja Nummiaro，Esther Koller-Meier，Luc Van Gool.An adaptive color-based particle filter.Image and Vision Computing，2003，21：99-110。

但是，现有的粒子滤波跟踪方法以概率分布为基础，容易造成跟踪不稳定的现象；同时，假如跟踪目标运动很快，而粒子的概率分布无法到达跟踪目标的大致区域，从而导致无法进行跟踪。

光流矢量能够准确的估计出物体的运动，其基本思想是比较两幅图像的亮度差异，是x、y方向的亮度差偏导为0，从而得到匹配的运动信息。光流矢量算法课参阅：B_D_Lucas and T_Kanade，An iterative image registrationtechnique with an application tostereo，vision_IJCAI_1981。

目前，还未有一种采用粒子滤波并结合光流矢量来对视频目标进行跟踪的方法。

发明内容

针对现有技术中存在的缺陷，本发明的目的是提供一种高效、准确的基于粒子滤波和光流矢量的视频目标跟踪方法。

为实现上述目的，本发明采用的技术方案为，一种基于粒子滤波和光流矢量的视频目标跟踪方法，包括以下步骤：

(1)对t时刻图像创建L级高斯金字塔，计算每级高斯金字塔图像x和y方向的灰度梯度，所述t和L为正整数；

(2)对t-1时刻图像的M个特征点根据步骤(1)中计算出的灰度梯度求解其在t时刻图像中的位置偏移；

(3)对t-1时刻图像的N个粒子重新进行采样，并对新采样的N个粒子利用随机数或光流矢量进行重新分布；

(4)计算N个粒子的RGB直方图，并根据RGB直方图计算每个粒子的权重，然后将N个粒子位置根据权重进行加权平均，得到跟踪目标t时刻图像的估计位置；

(5)对估计位置进行稳定性比较计算，得到跟踪目标的最终位置；

(6)在t+1时刻，重复上述步骤。

如上所述的视频目标跟踪方法，步骤(1)中，创建L级高斯金字塔的过程包括以下步骤：

①将t时刻图像转化为灰度图；

②对灰度图进行高斯模糊；

③对高斯模糊后的灰度图创建L级高斯金字塔。所述L≤4。

如上所述的视频目标跟踪方法，步骤(2)中，如果某个特征点丢失，则采用网格将跟踪目标搜索区域划分成与丢失特征点区域大小相同的K个图像区域，利用图像灰度差的平方和匹配丢失特征点区域，估计丢失特征点的近似位置；然后利用估计的近似位置作为初始位置重新求解该特征点在下一帧图像中的位置偏移；所述跟踪目标搜索区域是指在图像的哪个范围中产生特征点的区域。

如上所述的视频目标跟踪方法，步骤(3)中所述对t-1时刻图像的N个粒子进行重新采样的方法包括以下步骤：

①根据t-1时刻图像的N个粒子权重计算每个粒子归一化的概率；

②产生0至1之间的随机数r；

③在N个粒子中寻找归一化概率大于或等于r的粒子，如果存在就把该粒子取出来作为新的粒子。