[发明专利]一种深度信息辅助粒子滤波跟踪方法

说明书

技术领域

本发明属于计算机视觉和模式识别技术领域，尤其涉及一种深度辅助粒子滤波跟踪方法。

背景技术

计算机视觉是近年来快速发展的领域之一。他的研究目的是使计算机可以代替人类的感官，对所处环境进行感知并作出相应的判断处理。随着科学技术的发展，计算机视觉领域的应用越来越广泛，无论是在军工或是民用方面。现在为了构建安全社会，监控摄像头越来越多的被安装到了大街小巷。这些监控系统依靠摄像头，可以对感兴趣的目标进行跟踪，但是怎样进行更好更精确的跟踪，是研究者们非常感兴趣的研究点。目标追踪的基本思想是在序列图像中，根据视频序列，目标在时间和空间上的相关性，从而确定目标在每一帧的位置和姿态。目标跟踪是一项所学科融合的复杂课题。他无论在军工还是民用方面都有很广的应用前景。目标跟踪研究的应用范围很广。除了上面提到的还可以用在视频压缩，裸眼3D技术中，为了给其他处理让出足够的时间，目标跟踪对时间性的要求也越来越高。但是由于许多客观因素的影响，依然没有一种可以应用于各种场景，并且实时性以及鲁棒性都很卓越的非常成熟的跟踪方法被提出。研究的难点在于：1.三维世界的信息被投影到了二维的相机上，造成了信息的丢失；2.计算机处理速度影响实时性；3，光照的不均衡以及物体的遮挡等。

在目标跟踪中，一个目标被很好的跟踪的定义为，在每一帧图像中目标的位置和形状都能被准确快速的推定。所以在目标追踪中，确定目标的位置信息和形态信息尤为关键。目标跟踪的方法，大致可以分为三种：一.使用卡尔曼(kalman Filter)滤波器或者粒子滤波器(particle Filter)的基于滤波理论的目标跟踪方法即粒子滤波跟踪算法，该算法将目标跟踪问题转化为概率密度函数的最优估计问题来跟踪目标，该算法具体包括初始化粒子、移动粒子、直方图计算、相似性计算、重采样等几个步骤，其中移动粒子的步骤可以使用粒子的一阶运动方程x_t＝Ax_t-1+Bw_t-1或者二阶x_t＝Ax_t-2+Bx_t-1+Cw_t-1来进行粒子的移动，它表示粒子的这一时刻的位置与上一时刻或者上上时刻的位置再加上一个扰动系数w有关，然而这一类跟踪方法计算量大耗时多，实时性有待提升；二.采用概率密度之间的相似性函数度量目标和候选目标中间的相似性通过梯度下降算法推导出Mean-shift向量从而对目标进行跟踪的基于Mean-shift的目标跟踪方法，这类跟踪方法计算量相对减小，但是无法解决目标的遮挡问题；三.将目标的跟踪问题转化为泛函优化问题，通过偏微分方程的求解得到泛函的极值，从而对目标进行跟踪的基于偏微分方程的目标跟踪方法，这类方法的计算量也比较大。

GPU全称Graphics Processing Unit，即计算图形处理器。他的引入使得传统的CPU的计算受到了挑战，GPU在浮点数据上的处理能力以及并行操作性是惊人的。所以目前怎样在GPU上编写高效的并行程序也是一个研究热点。

发明内容

本发明的目的在于克服传统粒子滤波算法中从三维到二维图像平面投影所造成的信息损失，提供了一种3D的目标跟踪方法，使得跟踪的鲁棒性得到了很大的提升。

本发明具体采用如下技术方案：

一种深度信息辅助粒子滤波跟踪方法，其流程如图1所示，主要包括以下步骤：

步骤1：使用带有深度传感器的摄像头为前端，获取目标区域第一帧的RGB-D图像数据；所述深度传感器能够探测并记录目标距该深度传感器的直线距离，所述RBG-D图像数据包括图像的RGB数据及图像中每一像素点对应目标所在空间位置距深度传感器的距离信息D；

步骤2：在第一帧图像中手动选择跟踪目标，并根据目标的RGB-D特征进行建模；手动选择跟踪目标所在区域并定义为跟踪窗口H₁，所述跟踪窗口的中心像素点深度为D₁，所述深度即为像素点对应目标所在空间位置距离所述深度传感器的直线距离；设置深度方向阈值D_th＝[0.7D₁,1.3D₁]，根据阈值D_th定义窗口区域内第i个像素点的深度方向权重ω_z，i：