[发明专利]一种基于粒子滤波的水下目标跟踪方法在审
申请号: | 201910950102.2 | 申请日: | 2019-10-08 |
公开(公告)号: | CN110765897A | 公开(公告)日: | 2020-02-07 |
发明(设计)人: | 魏延辉;马博也;牛家乐;刘东东;姜瑶瑶;蒋志龙;贺佳林;李强强 | 申请(专利权)人: | 哈尔滨工程大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/46 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码: | 黑龙;23 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 粒子 权重因子 吸引度 搜索 发展阶段 光照环境 机器视觉 阶段运动 粒子滤波 水下目标 离散化 引入 受限 算法 初级阶段 跟踪 赋予 改进 | ||
1.一种基于粒子滤波的水下目标跟踪方法,其特征在于,该方法包括以下步骤:
步骤1:设定ROI初始参数、k值;初始化粒子数N、归一化粒子权值、损失数、阈值及标志目标;
步骤2:对所选区域目标块进行状态分析,将状态相关最大的作为目标状态;
步骤3:执行递推迭代到k+1时刻,对当前的粒子群分布粒子进行重要性采样,并得到其概率密度函数;
步骤4:执行粒子位置更新,通过迭代拟合最小二乘运算,得到运算载止项;
步骤5:判断运算载止项是否大于阈值;若运算载止项小于阈值,则返回步骤4;若运算载止项大于阈值,则执行步骤6;
步骤6:判断是否超过最大迭代次数;若超过最大迭代次数,则返回步骤四;若未超过最大迭代次数,则判定已达到设定的最优范围,停止拟合迭代;
步骤7:对权重进行重新更新并归一化,进行滤波后计算状态估计结果;
步骤8:判断目标是否丢失;若目标已丢失,则返回步骤1;若目标未丢失,则输出目标位置,完成水下目标跟踪。
2.根据权利要求1所述的一种基于粒子滤波的水下目标跟踪方法,其特征在于:所述的步骤2中对所选区域目标块进行状态分析具体为:利用贝叶斯滤波器通过预测和更新两个过程对状态进行更新,即通过滤波模型进行当前时刻进行状态估计,然后利用最新获得的观测值对先验概率密度进行适当的修正,递推得后验概率密度,即通过预估的数据和真实的状态进行参数修正。其状态方程的两个更新模型:状态模型与观测模型的表达式为:
其中,xk为时刻k点处的系统状态量;zk为时刻k点处的图像观测量;vk为图像测量系统的观测噪声;uk为系统自然状态下分析引入的随机噪声;h(*)为系统状态的观测模型;f(*)为递推状态转移模型;通过贝叶斯状态估计的方法,在设定初始状态下可以得到概率密度为p(x0|z0),通过贝叶斯滤波器递推预测和更新两个模型可以求解处后验概率p(xk|z1:k);
所述的预测过程包括:若通过k次的迭代,在第k时刻获得观测序列为z1:k={z1,z2,z3,.....,zk},并在k时间点上利用k-1时刻的概率密度p(xk-1|z1:k-1)迭代求取当前先验概率密度p(xk|z1:k),当前先验概率密度p(xk|z1:k)表示为下式:
p(xk|z1:k-1)=∫p(xk|xk-1)p(xk-1|z1:k-1)dxk-1
其中,xk-1为时刻k-1点处的系统状态量,z1:k-1为时刻1到k-1点的图像观测量;
所述的更新过程包括:经过初始化状态值,通过观测方程得到的p(xk|z1:k-1)先验推算得到状态向量Xk,Xk为k时刻下得到的最优估计值,基于最优估计值得到后验概率密度p(xk|z1:k),后验概率密度p(xk|z1:k)表示为下式:
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哈尔滨工程大学,未经哈尔滨工程大学许可,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/201910950102.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:视频处理方法及装置
- 下一篇:一种图像中物体及其关键点的确定方法和装置