[发明专利]一种基于运动粒子的粒子群目标跟踪算法

权利要求书

1.一种基于运动粒子的粒子群目标跟踪计算方法，其特征是，其包括如下步骤：

步骤一，框选跟踪目标区域；

取图像序列第一帧图像，用矩形框(x,y,w,h)对其进行目标区域的框选，其中(x,y)为矩形框中心点，w为矩形框宽度，h为矩形框高度；

步骤二，对目标区域提取HSV颜色特征建立目标特征向量；

首先，对H(色调)和S(饱和度)两通道取值范围进行量化处理，将取值区间由[0,360]和[0,1]，分别拉伸或者压缩至区间[0,255]，对H通道和S通道建立直方图模型；

其次，假设目标区域中共有N个像素，第i个像素点的坐标为(x_i,y_i)，则第i个像素点的H通道信息为H(x_i,y_i)，S通道信息为S(x_i,y_i)；由于经过量化处理后H和S通道数据的取值范围均为0～255，将直方图组数(Bins)设置为n(0n255)，H直方图模型H＝{H_u}如公式(1)；

S直方图模型S＝{S_u}如公式(2)；

公式(1)和公式(2)中：u＝0,1,…,n，w为目标矩形区域宽度，h为目标矩形区域高度，δ为克罗内克函数(Kronecker delta)，如公式(3)；

最后，对H直方图模型和S直方图模型进行串联处理，便可得到目标特征向量C_u＝(C₀,C₁,...,C₁₂₇)如公式(4)，同理，匹配区域的特征向量为C_S＝(C₀,C₁,...,C₁₂₇)；

C_u＝H_u+S_u (4)

公式(4)中，C₀～C₆₃为H通道统计信息，C₆₄～C₁₂₇为S通道统计信息；

步骤三，粒子群初始化；

根据式(5)以上帧目标跟踪结果Z(x_z,y_z)为中心点撒下n个粒子形成粒子群：

其中：x为自变量，μ为x方向的均值，σ为x方向的标准差；

通过公式(6)建立相似因子ε和σ的函数关系来控制粒子群分布区域的大小；

步骤四，模板匹配相似因子的计算；

假设粒子L为粒子群中某一粒子，m行n列的矩形区域为粒子的窗口区域，在某一帧图像中粒子L除了停止运动外，有8个运动方向，对当前匹配位置窗口区域和邻近的八个匹配区域提取特征向量，通过式(7)对当前位置窗口区域和邻近的八个区域进行相关性计算，得到当前位置窗口区域的相似因子和邻近八个区域的相似因子；

步骤五，基于梯度收敛确定当前帧目标跟踪坐标；

首先，假设粒子L像素坐标为(x₀,y₀)，通过公式(7)得到粒子L相似因子ε₀以及其周围八邻域相似因子ε_i(1≤i≤8)，通过公式(8)计算梯度信息，与像素坐标信息构成三元组(x,y,g)，得到信息集合A＝{a_i|a_i＝(x_i,y_i,g_i),0≤i≤8}；

g_i＝ε_i-ε₀ (8)

其中：g_max为梯度最大值，(x_max,y_max)为g_max位置的像素坐标；

其次，利用公式(9)计算得出g最大的三元组信息，并利用其中的像素坐标信息更新粒子L的像素坐标，则粒子L向g最大的位置运动，若当前位置的g最大，即g＝0为最大值，则粒子L收敛，收敛粒子位置记为g_s(x,y)，其中s为不同收敛位置的数量，0sn；否则粒子继续运动，直到收敛运动结束；

最后，当所有粒子完成收敛运动后，比较所有收敛位置的相似因子，将最大的相似因子所在的像素坐标作为当前帧目标跟踪坐标Z(x_z,y_z)，并将Z(x_z,y_z)作为下一帧跟踪的跟踪点；

步骤六，判断跟踪是否结束；

如果有后续帧图像输入，则回到步骤三继续跟踪，否则跟踪结束。