[发明专利]一种融合梯度特征和自适应模板的粒子滤波红外跟踪方法

摘要

本发明公开了一种融合梯度特征和自适应模板的粒子滤波红外跟踪方法，步骤如下：首先，采用粒子滤波算法作为红外图像跟踪算法的主体框架；其次，在灰度特征基础上融合描述梯度特征的梯度直方图作为目标观测模型；再次，在跟踪算法中融合自适应模板更新策略对目标特征模板进行更新；最后，为提高算法实时性，借助共享存储并行编程库对跟踪程序进行并行化。本发明能够保证对红外目标的长时间稳定、精确跟踪，运算效率高，可为红外制导工程化提供理论支持。

主权项

一种融合梯度特征和自适应模板的粒子滤波红外跟踪方法，其特征在于：该方法采用粒子滤波，以融合灰度、梯度特征的直方图模型作为粒子滤波的目标观测模型建立目标特征模板，采用自适应模板更新策略对目标特征模板进行更新，从而对目标进行跟踪，具体步骤如下：步骤1，读入红外视频图像，在第一帧图像中标定待跟踪目标；以融合灰度、梯度特征的归一化直方图模型作为粒子滤波的目标观测模型建立目标特征模板；初始化具有位置坐标、大小尺寸信息的N个粒子；步骤2，读入下一帧图像，采用二阶自回归模型作为粒子状态转移模型，预测该帧图像中各粒子位置坐标、大小尺寸；步骤3，根据步骤1所述直方图模型，对步骤2预测所得各粒子进行观测，得到各粒子的融合灰度、梯度特征的归一化直方图，结合灰度、梯度特征计算各粒子与目标特征模板的似然度，并根据似然度更新各粒子权值，具体过程如下：似然度求解式如下：$p\left(z_k\right|x_k^i)=\exp \[-20*(1-\widehat{\mathrm{\ρ}})\]$其中，z_k为第k时刻目标状态观测值，为综合巴氏系数，求解如下：$\widehat{\mathrm{\ρ}}={\mathrm{\ρ}}_{gray}*{\mathrm{\ρ}}_{og}$灰度特征的巴氏系数ρ_gray、梯度特征的巴氏系数ρ_og分别按照下式计算：${\mathrm{\ρ}}_{gray}=\underset{u=1}{\overset{n}{\Σ}}\sqrt{{p_{gray}}^{\left(u\right)}{q_{gray}}^{\left(u\right)}}$${\mathrm{\ρ}}_{og}=\underset{v=1}{\overset{m}{\Σ}}\sqrt{{p_{og}}^{\left(v\right)}{q_{og}}^{\left(v\right)}}$其中，n、m分别为h_gray、h_og的直方图组数，p_gray^(u)、q_gray^(u)分别表示观测所得灰度直方图和特征模板灰度直方图中第u组统计值；p_og^(v)、q_og^(v)分别表示观测所得梯度方向直方图和特征模板梯度方向直方图中第v组统计值；综合巴氏系数值越大，则候选区域与目标模板的似然度越高；权值更新计算式如下：$w_k^i\∝w_{k-1}^i\frac{p\left(z_k\right|x_k^i)p\left(x_k^i\right|x_{k-1}^i)}{q\left(x_k^i\right|x_{k-1}^i,z_k)}$以状态转移函数作为建议分布函数则：

×

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、流程工艺图或技术构造图；

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】

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：。

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

周一至周五 9:00-18:00

版权所有http://www.vipzhuanli.com/公布日期

咨询在线客服

tel code back_top

服务热线：

投诉建议：

扫一扫，微信关注钻瓜专利网

定制专利/购买专利

行业大牛为您服务 快来咨询~