[发明专利]一种基于粒子滤波的水下目标跟踪方法在审

专利信息
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
【权利要求书】:

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:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top