[发明专利]一种基于种群进化思想的粒子滤波跟踪方法

权利要求书

1.一种基于种群进化思想的粒子滤波跟踪方法，其特征在于，按照如下步骤实现：

步骤S1：提取目标区域特征；对于初始帧图像，获取待跟踪目标区域的初始像素位置(x₀,y₀)，记该目标矩形框大小为W×H，粒子滤波中的粒子数目N，获得初始时刻第i个粒子的坐标粒子集i∈[1,N]，并初始化每个粒子权值为1/N；采用改进的LBP算子计算该目标区域内每个像素点u所产生的纹理特征直方图p_u，u∈[1,W×H]，作为匹配模板；从第2帧开始，令第t时刻对应第t帧；；

步骤S2：根据初始粒子、第t-1帧粒子以及第t帧粒子位置，采用下式二阶自回归模型对该N个粒子进行随机高斯扩散，每个粒子扩散到一个新的位置，进而预测第t帧中目标所在位置：

其中，二阶自回归模型系数A1、A2、B0分别为常数；为粒子尺度；和为高斯噪声；

步骤S3：采用所述步骤S1中改进的LBP算子计算所述步骤S2中获取的每个新粒子所对应区域的纹理特征直方图作为候选目标区域；

步骤S4：采用下式中的巴氏系数来分别衡量所述步骤S1中获取的目标模板和所述步骤S3中获取的每个候选目标区域的相似性σ_i，并以该相似度作为粒子权值

其中，σ_i越接近1，权值越大，则实际目标与候选目标越相似；

步骤S5：采用基于种群进化思想的简化群优化SSO算法对该N个粒子进行重采样，该简化群优化SSO算法中每个粒子所对应的像素横坐标x采用下式更新，且纵坐标采用与横坐标更新相同的方式进行更新：

其中，j＝1,2,…,G，G表示总的粒子数和总的迭代次数；为第i个粒子截止到当前代的历史最优值，也即局部最优解；为截止到当前代所有粒子所持有的最佳适应度，也即权值，对应的全局最优解；中的gBest为最佳适应值索引，即第gBest个粒子持有最佳适应值；x是属于视频帧像素范围之间的随机整数；是t时刻的状态值；ρ是属于[0,1]之间的随机数；c_g、c_p和c_w代表每个变量在下一次重采样的状态更新为和x其中一个的对应选择概率；

步骤S6：以最大权值处的粒子中心为跟踪目标中心，并获取W×H×s大小的矩形框作为该次预测出的最终跟踪目标，其中，s代表粒子尺度；

步骤S7：返回所述步骤S2，跳到下一视频帧进行目标预测。

2.根据权利要求1所述的一种基于种群进化思想的粒子滤波跟踪方法，其特征在于，在所述步骤S1中，所述改进的LBP算子为基于块均值的LBP算子，先计算出3×3个像素组成的的像素块的灰度均值，以灰度均值作为该像素块的灰度值，然后以3×3个像素块，也即9×9个像素为单位，计算LBP值。

3.根据权利要求1所述的一种基于种群进化思想的粒子滤波跟踪方法，其特征在于，在所述步骤S2中，所述二阶自回归模型系数A1＝2，A2＝-1，B0＝1。

4.根据权利要求1所述的一种基于种群进化思想的粒子滤波跟踪方法，其特征在于，在所述步骤S5中，所述重采样为一个迭代过程，步骤如下：

步骤S51：将所述步骤S2中获取的各粒子位置作为各个粒子的初始局部最优解并根据每个粒子的权值大小找出最佳权值索引gBest，得全局最优解

步骤S52：采用所述简化群优化SSO算法更新每个粒子的横坐标以及纵坐标，然后重新计算粒子权值

步骤S53：通过所述步骤S3和所述步骤S4更新粒子的局部最优解和对应的权值，然后根据权值找出最佳权值索引gBest，得全局最优解然后使用下式贪婪选择策略来决定是否使用重采样过程中进化的粒子来更新先前粒子：

步骤S54：判断是否满足停止条件；若满足，则停止迭代，并跳到所述步骤S6；否则，令j＝j+1，返回所述步骤S52，继续搜索最优解。

5.根据权利要求4所述的一种基于种群进化思想的粒子滤波跟踪方法，其特征在于，在所述步骤S54中，所述停止条件为预设精度或最大迭代次数。