[发明专利]一种基于粒子滤波的水下目标跟踪方法

说明书

本发明属于机器视觉领域，具体涉及一种基于粒子滤波的水下目标跟踪方法。本发明通过引入吸引度改进策略，有效的改善了水下光照环境复杂导致粒子边缘化严重的问题；与此同时通过将权重因子与粒子发展阶段联系起来的方式，解决了引入吸引度使得粒子发展初期较为密集导致搜索受限的问题，提高了算法整体的效率和精度。本发明将权重因子τ与当前粒子发展阶段联系在一起，使得粒子在初级阶段可以被赋予更大的搜索能力，在后期各阶段运动中进行自动调节，有效降低粒子离散化带来的边缘化效应。

技术领域

本发明属于机器视觉领域，具体涉及一种基于粒子滤波的水下目标跟踪方法。

背景技术

海洋覆盖地球绝大部分面积，拥有着极大的资源和奥秘。近现代以来，随着海洋装备研发技术的进步，人类开始进一步的认识和开发海洋资源，世界各个国家和地区都开始不遗余力的进行海洋装备的研发和水下资源开采。我国拥有近2万公里的海岸线，同时沿海经济海域中有着丰富的海洋资源，拥有很好的海洋开发条件和很高的需求。计算机视觉设备作为水下传感设备之一，越来越多的被投入海洋探测当中。其完整的视觉体系涵盖光学、计算机科学控制理论等诸多学科及技术，已经广泛搭载于水下探测、作业和载人设备，其中基于视觉的水下跟踪识别技术有着非常重要的研究价值。

目前水下目标追踪技术的不足之处主要在于：

第一，相比于陆地环境，海洋中包含有大量噪声，导致利用声呐实现水下目标追踪时很容易受到噪声干扰，因此而且作为一种单一信道的探测技术，声呐探测技术无法实现水下声场的空中探测，因此更无法直接实现对潜通信、水下目标空中遥测等任务。

第二，专利“一种基于水下无线传感器网络的弱目标跟踪方法(CN103152819A)”，虽然使用了改进重采样粒子滤波算法对水下目标的位置和方差进行估计，从而提高了水下无线传感器网络的目标跟踪性能，但是依旧需要对大量粒子进行数据化处理，且无法解决边缘粒子退化为无效粒子浪费计算时间的问题，从而影响水下目标追踪的效果。

发明内容

本发明目的在于提供一种基于粒子滤波的水下目标跟踪方法。

一种基于粒子滤波的水下目标跟踪方法，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。

本发明还可以包括：

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：