[发明专利]一种基于嵌入卡尔曼滤波器的Camshift的机器鱼跟踪方法

摘要

本发明公开了一种基于嵌入卡尔曼滤波器的Camshift的机器鱼跟踪方法。使用本发明能够适应机器鱼的复杂水下环境，提高机器鱼快速运动跟踪的准确性，实时性好。本发明首先利用卡尔曼滤波器对运动目标在下一帧图像中可能出现的位置进行预测，然后采用Camshift在相对缩小的范围内进行搜索，可以有效的增强对快速运动目标跟踪的准确性；然后，利用Camshift获得的观测值对Kalman滤波器得到的观测值进行修正，进一步提高目标跟踪的准确性。对比已有技术，能够全面综合考虑目标跟踪算法的实时性和准确性，以达到机器鱼对目标实时准确跟踪的目的。

主权项

一种基于嵌入卡尔曼滤波器的Camshift机器鱼跟踪方法，其特征在于，包括如下步骤：步骤1，在进行目标跟踪前，通过人机交互方式，用鼠标手动在跟踪画面上选取跟踪区域；步骤2，构建卡尔曼滤波器并初始化；其中，目标状态向量x＝[μx,μy,vx,vy]T，其中，μx,μy分别代表被跟踪目标的质心在视频图像的直角坐标系Oxy中的x、y轴上的坐标分量，vx,vy分别表示目标在x、y轴上的速度分量，即每两帧目标运动位置在x方向与y方向的差值，上标T表示转置；目标观测向量y＝[μx,μy]T；系统状态转移矩阵Δt为相邻两帧的时间差；系统观测矩阵系统的过程噪声协方差矩阵Q和观测噪声的协方差矩阵R分别为：其中，e为自然对数；初始时刻Kalman滤波均方误差矩阵P0为：步骤3，利用步骤2构建的卡尔曼滤波器预测当前k时刻的目标状态向量xk和目标观测向量yk；步骤4，以步骤3卡尔曼滤波器预测的目标状态向量xk中的位置为搜索区域的中心，利用Camshift算法获得当前k时刻的目标位置信息，将其作为Camshift观测向量yk_c；步骤5，根据公式Kk＝P'kCT·(CP'kCT+R)‑1计算出当前k时刻的卡尔曼滤波器增益系数Kk，其中，P'k＝APk‑1AT+Q，Pk‑1为k‑1时刻Kalman滤波均方误差矩阵；将Kk、步骤3卡尔曼滤波器预测的目标观测向量yk以及步骤4得到的Camshift观测向量yk_c，代入状态修正方程x′k＝xk+Kk(yk_c‑yk)，得到修正后的状态向量x′k；并根据Pk＝(1‑KkC)P'k更新卡尔曼滤波均方误差矩阵Pk；步骤6，将步骤5得到的修正后的状态向量x′k作为当前帧的目标状态值，读取下一帧图像，执行步骤3～步骤6。