[发明专利]基于相关粒子滤波的视觉跟踪方法及装置

说明书

本发明公开了一种基于相关粒子滤波的视觉跟踪方法及装置，该方法包括：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；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；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；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。

技术领域

本发明属于计算机视觉领域，具体涉及基于相关粒子滤波的视觉跟踪方法及装置。

背景技术

视觉跟踪由于其广泛应用(如视频监控，行为分析，人机交互和车辆导航等)而成为计算机视觉中最为重要的领域之一。目标物体的外观随时间发生大的变化是鲁棒视觉跟踪的主要难点。虽然近几年取得了一定的进展，但其仍然是一个很困难的任务。当下急需在存在诸如光照变化，快速动作，姿势变化，局部遮挡和背景杂乱等因素影响下的跟踪场景中设计鲁棒的算法来进行目标状态估计。

基于相关滤波的跟踪方法已经被证明可以达到相当高的速度和好的鲁棒性效果。对于跟踪而言，相关滤波器估计相似度是通过计算每一个对齐后的基于测试图像样本学得的模板(或滤波器)得点积来得到的。相关滤波的计算可以利用卷积定理来加快计算速度，即时域中的卷积可以通过傅里叶变换转化为频域中的相乘运算。由于其计算效率高，在视觉跟踪领域中，相关滤波被给予较高的关注度。尽管CSK和KCF方法在准确率和鲁棒性方面都达到了最先进的水平，但这些基于相关滤波的跟踪器不能很好地解决尺度变化和遮挡问题。为了解决跟踪过程中的尺度变化问题，DSST跟踪器使用了具有HOG特征的多尺度相关滤波。尽管DSST对于基于尺度金字塔表示学得的相关滤波器在鲁棒性尺度估计的任务中效果好，但对于局部和全部遮挡问题表现不佳。然而，当目标物体被较大程度遮挡时，这两类跟踪器会失去作用。这些基于相关滤波的跟踪方法不能够很好解决遮挡问题，因为他们只使用了一种单一假设，这意味着这些跟踪方法只是在上一时刻的状态附近去搜索现在目标物体的状态。结果是当局部遮挡和快速动作出现时，这些跟踪器很有可能失效。

另一方面，粒子滤波可以被用来解决大尺度变化和局部遮挡。粒子滤波是基于贝叶斯公式的。公式中样本是随时间而增加多种假设，并且样本使用一个随机运动模型去预测下一时间的状态。在基于粒子的跟踪算法中，多样的假设使得跟踪方法能够解决背景杂乱，局部和完全遮挡，从失败和目标暂时消失中恢复。因此，粒子滤波由于其能够解决非线性目标动作和与其他不同物体表示兼容的灵活性优势，在跟踪方法中被广泛使用。总体来说，当采样更多的粒子来建立鲁棒的目标表示时，基于粒子滤波的跟踪算法在杂乱和噪声的环境中的表现可信度更高。然而，基于粒子滤波的跟踪器的计算成本随着粒子的数目会线性增加，这就是其在视觉跟踪中的使用瓶颈。进一步来说，基于粒子滤波的跟踪器是通过采样粒子确定每个目标物体状态的。如果采样粒子不能够很好覆盖目标物体状态，则预测的目标物体状态很可能不准确。为了去克服这个问题，最好是能够引导粒子中心朝向目标物体。

发明内容

本发明的目的是结合相关滤波和粒子滤波的优势，设计鲁棒性的视觉跟踪方法。通过利用粒子滤波有效辅助相关滤波解决尺度变化和局部遮挡问题。另外，相关滤波可以将粒子移动到局部最大激活的地方，进而使用更为少量的粒子进行相关滤波，从而降低运算复杂度。

为实现上述目的，本发明提供一种基于相关粒子滤波的视觉跟踪方法，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。

步骤S1包括：