[发明专利]基于相关粒子滤波的视觉跟踪方法及装置

权利要求书

1.一种基于相关粒子滤波的视觉跟踪方法，其特征在于，该方法包括以下步骤：

步骤S1，根据上一时刻的粒子状态和粒子权重在当前时刻生成粒子并进行重采样；

步骤S2，对当前时刻重采样得到的每个粒子进行混合相关滤波使其移动并到达一个稳定的位置；

步骤S2包括：

步骤S21；利用混合相关滤波计算当前时刻所述每个粒子的响应分布：

这里为t时刻第i个粒子通过混合相关滤波获得的响应分布，π_k是第k个相关滤波器的归一化后的最大响应值，是粒子i的观测，是目标的表观模型；和代表傅里叶变换及其反变换；φ是核函数，α_k的计算方式如下：

这里x是一个P×Q维的图像块，对应于粒子的观测，r＝{r(p，q)}对应于所有的关于图像块的循环平移x_p，q，(p，q)∈{0，1，K，P-1}×{0，1，K，Q-1}的高斯函数标签，λ是正则化参数；以及

步骤S22，对于所述每个粒子，搜索该粒子响应分布最大值，得到该响应分布最大值对应的位置并将该粒子平移至该响应最大值的位置处，得到更新后的粒子状态，记为

步骤S3，使用混合相关滤波响应更新所述每个粒子的权重并更新进行混合相关滤波的相关滤波器的参数；

步骤S4，根据更新后的粒子权重对每个粒子状态进行加权从而获得被跟踪目标在当前帧的跟踪状态。

2.根据权利要求1所述的方法，其特征在于，步骤S1包括：

步骤S11：根据上一时刻的粒子状态和粒子权重推测得到在当前时刻生成的粒子状态；

步骤S12：对前一时刻得到的粒子权重进行重采样。

3.根据权利要求2所述的方法，其特征在于，步骤S11中当前时刻可能的粒子状态的状态分布转移概率p(s_t|s_t-1)的计算方式如下：

其中，p(s_t|s_t-1)表示状态分布转移概率，表示t-1时刻第i个粒子的状态，表示t-1时刻第i个粒子的权重，s_t和s_t-1分别表示粒子在t时刻和t-1时刻的状态。

4.根据权利要求2所述的方法，其特征在于，步骤S12中对前一时刻得到的粒子权重进行重采样包括，利用下式更新前一时刻的得到的粒子权重：

这里为第i个粒子在t-1时刻的权重，n是粒子数目。

5.根据权利要求1所述的方法，其特征在于，步骤S3包括：

步骤S31：利用混合相关滤波模型对当前时刻所述每个粒子计算响应，然后利用所计算得到的响应更新粒子的权重

步骤S32：使用混合相关滤波器，选取具有最大响应的相关滤波器更新相关滤波器参数，同时更新相关滤波器的重要性。

6.根据权利要求5所述的方法，其特征在于，在步骤S31中，由于粒子权重正比于似然函数与前一时刻粒子权重的乘积，即由于粒子经过了重采样过程，所以这里为似然函数，定义如下：

y_t为t时刻的观测；为当前时刻时刻第i个粒子经过混合相关滤波后得到的响应分布，为第i个粒子在当前时刻t的状态分布。

7.根据权利要求5所述的方法，其特征在于，步骤S32中如下更新相关滤波器的模型参数：

这里，索引k代表在当前时刻t时第k个相关滤波器在所有K个滤波器中具有最大响应，η为学习速率参数，α_k和x_k为相关滤波器的模型参数，π_k是第k个相关滤波器的最大响应值。