[发明专利]一种基于种群进化思想的粒子滤波跟踪方法

摘要

本发明涉及一种基于种群进化思想的粒子滤波跟踪方法，在特征匹配阶段，将增强型纹理特征作为目标特征以减小光线变化导致的特征匹配出错率，易于区分出目标纹理特性；在目标预测阶段，由于粒子滤波的粒子退化和贫化问题，基于种群进化思想，将简化群优化算法引入到粒子滤波的重采样阶段，从而可以在保留优良粒子的基础上，通过增加一项粒子随机运动过程，提供粒子多样性，进而提高跟踪鲁棒性。

主权项

一种基于种群进化思想的粒子滤波跟踪方法，其特征在于，按照如下步骤实现：步骤S1：提取目标区域特征；对于初始帧图像，获取待跟踪目标区域的初始像素位置(x0,y0)，记该目标矩形框大小为W×H，粒子滤波中的粒子数目N，获得初始时刻第i个粒子的坐标粒子集i∈[1,N]，并初始化每个粒子权值为1/N；采用改进的LBP算子计算该目标区域内每个像素点u所产生的纹理特征直方图pu，u∈[1,W×H]，作为匹配模板；从第2帧开始，令第t时刻对应第t帧；；步骤S2：根据初始粒子、第t‑1帧粒子以及第t帧粒子位置，采用下式二阶自回归模型对该N个粒子进行随机高斯扩散，每个粒子扩散到一个新的位置，进而预测第t帧中目标所在位置：其中，二阶自回归模型系数A1、A2、B0分别为常数；为粒子尺度；和为高斯噪声；步骤S3：采用所述步骤S1中改进的LBP算子计算所述步骤S2中获取的每个新粒子所对应区域的纹理特征直方图作为候选目标区域；步骤S4：采用下式中的巴氏系数来分别衡量所述步骤S1中获取的目标模板和所述步骤S3中获取的每个候选目标区域的相似性σi，并以该相似度作为粒子权值其中，σi越接近1，权值越大，则实际目标与候选目标越相似；步骤S5：采用基于种群进化思想的简化群优化SSO算法对该N个粒子进行重采样，该简化群优化SSO算法中每个粒子所对应的像素横坐标x采用下式更新，且纵坐标采用与横坐标更新相同的方式进行更新：其中，j＝1,2,…,G，G表示总的粒子数和总的迭代次数；为第i个粒子截止到当前代的历史最优值，也即局部最优解；为截止到当前代所有粒子所持有的最佳适应度，也即权值，对应的全局最优解；中的gBest为最佳适应值索引，即第gBest个粒子持有最佳适应值；x是属于视频帧像素范围之间的随机整数；是t时刻的状态值；ρ是属于[0,1]之间的随机数；cg、cp和cw代表每个变量在下一次重采样的状态更新为和x其中一个的对应选择概率；步骤S6：以最大权值处的粒子中心为跟踪目标中心，并获取W×H×s大小的矩形框作为该次预测出的最终跟踪目标，其中，s代表粒子尺度；步骤S7：返回所述步骤S2，跳到下一视频帧进行目标预测。