[发明专利]一种基于嵌入卡尔曼滤波器的Camshift的机器鱼跟踪方法

权利要求书

1.一种基于嵌入卡尔曼滤波器的Camshift机器鱼跟踪方法，其特征在于，包括如下步骤：

步骤1，在进行目标跟踪前，通过人机交互方式，用鼠标手动在跟踪画面上选取跟踪区域；

步骤2，构建卡尔曼滤波器并初始化；

其中，目标状态向量x＝[μx,μy,vx,vy]^T，其中，μx,μy分别代表被跟踪目标的质心在视频图像的直角坐标系Oxy中的x、y轴上的坐标分量，vx,vy分别表示目标在x、y轴上的速度分量，即每两帧目标运动位置在x方向与y方向的差值，上标T表示转置；

目标观测向量y＝[μx,μy]^T；

系统状态转移矩阵Δt为相邻两帧的时间差；系统观测矩阵

系统的过程噪声协方差矩阵Q和观测噪声的协方差矩阵R分别为：

其中，e为自然对数；

初始时刻Kalman滤波均方误差矩阵P₀为：

步骤3，利用步骤2构建的卡尔曼滤波器预测当前k时刻的目标状态向量x_k和目标观测向量y_k；

步骤4，以步骤3卡尔曼滤波器预测的目标状态向量x_k中的位置为搜索区域的中心，利用Camshift算法获得当前k时刻的目标位置信息，将其作为Camshift观测向量y_{k_c}；

步骤5，根据公式K_k＝P'_kC^T·(CP'_kC^T+R)^-1计算出当前k时刻的卡尔曼滤波器增益系数K_k，其中，P'_k＝AP_k-1A^T+Q，P_k-1为k-1时刻Kalman滤波均方误差矩阵；将K_k、步骤3卡尔曼滤波器预测的目标观测向量y_k以及步骤4得到的Camshift观测向量y_{k_c}，代入状态修正方程x′_k＝x_k+K_k(y_{k_c}-y_k)，得到修正后的状态向量x′_k；并根据P_k＝(1-K_kC)P'_k更新卡尔曼滤波均方误差矩阵P_k；

步骤6，将步骤5得到的修正后的状态向量x′_k作为当前帧的目标状态值，读取下一帧图像，执行步骤3～步骤6。

2.如权利要求1所述的基于嵌入卡尔曼滤波器的Camshift机器鱼跟踪方法，其特征在于，所述步骤3中，将状态转移矩阵A和上一时刻目标状态向量x_k-1代入系统状态方程x_k＝Ax_k-1+v_k-1中，预测当前k时刻目标状态向量x_k，其中，v_k-1为系统过程噪声向量；将预测状态向量x_k代入系统观测方程y_k＝Cx_k+w_k中，预测当前k时刻目标观测向量y_k，其中，w_k为观测噪声向量。

3.如权利要求1所述的基于嵌入卡尔曼滤波器的Camshift机器鱼跟踪方法，其特征在于，所述步骤4中，以步骤3卡尔曼滤波器预测的目标状态向量x_k中的位置作为当前k时刻的搜索区域的中心，依据上一帧图像目标区域的H分量直方图，在当前候选目标区域内，依据Meanshift准则，寻找最佳匹配位置，得到目标质心点，将其作为Camshift观测向量y_{k_c}。