[发明专利]一种结合粒子滤波的相关滤波目标跟踪方法有效
申请号: | 201910830346.7 | 申请日: | 2019-09-04 |
公开(公告)号: | CN110598614B | 公开(公告)日: | 2022-08-26 |
发明(设计)人: | 胡栋;潘常青;张静 | 申请(专利权)人: | 南京邮电大学 |
主分类号: | G06V20/40 | 分类号: | G06V20/40;G06V10/46;G06V10/84;G06V10/50;G06T7/246;G06T7/269 |
代理公司: | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人: | 颜盈静 |
地址: | 210000 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 结合 粒子 滤波 相关 目标 跟踪 方法 | ||
1.一种结合粒子滤波的相关滤波目标跟踪方法,其特征在于:当前帧跟踪目标被判定为发生遮挡时,进行预测目标位置,具体包括以下步骤:
步骤1:生成并初始化粒子,得到粒子集;
步骤2:服从重要性概率密度函数q(xk|yk)对粒子集进行随机采样,得到N个随机粒子
步骤3:根据下式计算得到N个随机粒子中的有效粒子个数
步骤4:判断当前有效粒子个数是否满足设定的阈值,若满足,则执行步骤5,否则,执行步骤2进行重采样,重新获得N个随机粒子;
步骤5:对采样得到的每个粒子进行相关滤波,得到的每个粒子的响应分布值为:
其中,表示k时刻第i个粒子对应的观测值,α和x分别表示相关滤波器系数和目标外观模型,为k时刻第i个粒子通过相关滤波器获得的响应分布,分别表示为傅里叶反变换和傅里叶变换,φ表示为核函数;
步骤6:每个粒子根据其响应分布值进行权重修正
步骤7:根据式(5)计算得到跟踪目标的最佳状态估计:
式中,为粒子移动到响应分布最大值对应的位置时粒子的状态,wk(i)为修正后的权重。
2.根据权利要求1所述的一种结合粒子滤波的相关滤波目标跟踪方法,其特征在于:所述步骤1具体实现过程为:
构建用于描述目标跟踪问题的跟踪系统模型:xk+1=fk(xk,wk);其中,xk表示第k时刻跟踪系统模型的状态值,wk表示第k时刻跟踪系统模型的动态噪声;
根据跟踪系统模型的状态值,采用状态转移模型p(xk|xk-1)生成粒子;
基于先验概率密度p(x0)初始化粒子,得到粒子集。
3.根据权利要求1所述的一种结合粒子滤波的相关滤波目标跟踪方法,其特征在于:在步骤1之前,还包括判定当前帧的跟踪目标是否发生遮挡的步骤:
利用相关滤波器计算得到当前帧的相关滤波响应图;
计算当前帧的相关滤波响应图的峰值旁瓣比,并判断当前帧的相关滤波响应图的峰值旁瓣比是否大于峰值旁瓣比阈值,若大于,则判定没有发生遮挡,该当前帧的相关滤波响应图中响应值最大的位置即为当前帧目标的预测位置;否则判定为发生遮挡,执行步骤1。
4.根据权利要求3所述的一种结合粒子滤波的相关滤波目标跟踪方法,其特征在于:所述利用相关滤波器计算得到当前帧的相关滤波响应图的步骤包括:
提取当前帧的HOG特征;
对当前帧的HOG特征进行高斯窗函数处理:
其中,N表示高斯窗函数返回一个N维向量,σ表示方差;
将经过高斯窗函数处理的结果与相关滤波器的系数进行相关卷积运算,得到滤波响应:
其中,r表示相关滤波器的滤波响应,x表示目标的外观模型,z表示目标的候选样本,α表示相关滤波器系数,表示为傅里叶反变换和傅里叶变换,φ表示为核函数。
5.根据权利要求1所述的一种结合粒子滤波的相关滤波目标跟踪方法,其特征在于:在执行完步骤7之后,根据当前帧跟踪目标的位置,对相关滤波器进行更新,具体包括:
更新目标外观模型x和更新相关滤波器的系数α:
其中,xt表示当前帧的目标样本向量,x1:t表示时间从开始到t时刻学习到的样本向量,η表示学习率,αt表示当前帧学习到的相关滤波器系数,α1:t表示从开始到t时刻学习到的相关滤波器的系数。
6.根据权利要求3所述的一种结合粒子滤波的相关滤波目标跟踪方法,其特征在于:所述相关滤波响应图的峰值旁瓣比表示为:
其中,ρ表示相关滤波响应图中最大的响应值,μ表示相关滤波响应图中旁瓣的均值,σ表示旁瓣的标准差。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学,未经南京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910830346.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种高速公路团雾监测方法
- 下一篇:一种用于桥梁结构监测的数据降噪方法及系统