自適應(yīng)粒子群優(yōu)化粒子濾波運(yùn)動(dòng)目標(biāo)跟蹤方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種運(yùn)動(dòng)目標(biāo)跟蹤方法，尤其涉及一種自適應(yīng)粒子群優(yōu)化粒子濾波運(yùn) 動(dòng)目標(biāo)跟蹤方法，屬于圖像處理與智能視頻監(jiān)控技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 運(yùn)動(dòng)目標(biāo)跟蹤是圖像處理和智能視頻監(jiān)控技術(shù)領(lǐng)域研究的熱點(diǎn)，也是機(jī)器人導(dǎo) 航、精確制導(dǎo)等領(lǐng)域的關(guān)鍵技術(shù)，具有廣泛應(yīng)用。例如：捕獲實(shí)驗(yàn)中目標(biāo)運(yùn)動(dòng)的軌跡和姿態(tài)， 對交通公路流量的檢測，重要場合的視頻監(jiān)控和分析等。因此，運(yùn)動(dòng)目標(biāo)的跟蹤具有非常重 要的研究意義。運(yùn)動(dòng)目標(biāo)的跟蹤包括目標(biāo)的檢測、特征提取以及匹配跟蹤等幾個(gè)部分技術(shù) 組成。其中，目標(biāo)的檢測、目標(biāo)的特征提取需要一定的先驗(yàn)知識，然后再根據(jù)一定的算法，利 用之前的已知信息預(yù)測下一時(shí)刻目標(biāo)運(yùn)動(dòng)信息（位置、速度等），實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)跟蹤。一個(gè) 良好的跟蹤算法應(yīng)該具有可靠性高、實(shí)時(shí)性好、準(zhǔn)確性精確等特性。
[0003] 關(guān)于運(yùn)動(dòng)目標(biāo)的跟蹤已經(jīng)提出了很多有效的算法，其中，建立在卡爾曼濾波理 論基礎(chǔ)上的目標(biāo)跟蹤技術(shù)受到了很大關(guān)注。但是卡爾曼濾波只適用于線性系統(tǒng)，為此， Sunahara、Buey等人將卡爾曼濾波進(jìn)一步應(yīng)用到非線性領(lǐng)域并提出擴(kuò)展卡爾曼濾波（EKF)， 但是這種方法運(yùn)算復(fù)雜度大大增加了，因此現(xiàn)實(shí)中沒有得到廣泛應(yīng)用。另一類常用的方法 是均值漂移算法-Mean-shift 算法[D. Comaniciu, V. Ramesh and P. Meer, 〃Real_time tracking of non-rigid objects using Mean Shift"，Proceedings of IEEE Computer Society Conference on Computer Vision and Pattern Recognition，2:142-149,2000]， 它是一類基于核函數(shù)的無參數(shù)估計(jì)算法，不需要先驗(yàn)知識，而且收斂速度比較快，但是對于 快速運(yùn)動(dòng)和非高斯噪聲環(huán)境下有局限性。粒子濾波（PF:Particle Filtering)算法近年來 在目標(biāo)跟蹤領(lǐng)域越來越受到重視，它既不受限于線性系統(tǒng)，也不要求噪聲服從高斯分布，而 且在目標(biāo)出現(xiàn)遮擋時(shí)也可以實(shí)現(xiàn)可靠跟蹤。但是，粒子濾波存在粒子貧化和計(jì)算量大的問 題是實(shí)際應(yīng)用的重要障礙。
[0004] 為了解決粒子濾波運(yùn)動(dòng)目標(biāo)跟蹤所存在的粒子貧化的問題，很多學(xué)者選擇將粒子 群優(yōu)化算法（Particle Swarm optimization,簡稱PS0)應(yīng)用到粒子濾波當(dāng)中，形成粒子群 優(yōu)化粒子濾波算法（簡稱PS0PF)，從而使得粒子的多樣性得以保障，但是現(xiàn)有PS0PF算法 中粒子群優(yōu)化算法容易使得粒子陷入局部最優(yōu)點(diǎn)，從而導(dǎo)致對目標(biāo)的位置信息定位不夠準(zhǔn) 確。
[0005] 針對該問題，一些自適應(yīng)粒子群優(yōu)化粒子濾波算法被提出，例如，有研究者提出一 種新型鄰域自適應(yīng)調(diào)整的動(dòng)態(tài)粒子群優(yōu)化粒子濾波算法.該算法考慮了粒子的鄰域信息， 利用多樣性因子、鄰域擴(kuò)展因子和鄰域限制因子共同對粒子的鄰域粒子數(shù)量進(jìn)行自適應(yīng)調(diào) 整，控制粒子對鄰域的影響，減輕局部最優(yōu)現(xiàn)象，達(dá)到收斂速度和尋優(yōu)能力的最佳平衡；也 有研究者提出對各粒子賦予不同的權(quán)值，并在迭代過程中對粒子權(quán)值進(jìn)行自適應(yīng)調(diào)整。這 些方法雖然不同程度地能夠解決PS0PF算法中粒子群優(yōu)化算法容易使得粒子陷入局部最 優(yōu)點(diǎn)的問題，但均存在算法復(fù)雜、計(jì)算量大的不足，運(yùn)動(dòng)目標(biāo)跟蹤的實(shí)時(shí)性難以令人滿意。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有粒子群優(yōu)化粒子濾波運(yùn)動(dòng)目標(biāo)跟蹤技 術(shù)所存在的定位不夠準(zhǔn)確、計(jì)算量較大的不足，提供一種自適應(yīng)粒子群優(yōu)化粒子濾波運(yùn)動(dòng) 目標(biāo)跟蹤方法，在準(zhǔn)確提高運(yùn)動(dòng)目標(biāo)跟蹤準(zhǔn)確度的同時(shí)，其計(jì)算復(fù)雜度更低，目標(biāo)跟蹤實(shí)時(shí) 性更好。
[0007] 本發(fā)明具體采用以下技術(shù)方案：
[0008]自適應(yīng)粒子群優(yōu)化粒子濾波運(yùn)動(dòng)目標(biāo)跟蹤方法，在用粒子濾波方法進(jìn)行運(yùn)動(dòng)目標(biāo) 的跟蹤過程中，利用粒子群優(yōu)化方法對粒子的位置進(jìn)行優(yōu)化；在利用粒子群優(yōu)化方法對粒 子的位置進(jìn)行優(yōu)化時(shí)，根據(jù)全局最優(yōu)粒子的位置變化情況對粒子的數(shù)量進(jìn)行自適應(yīng)調(diào)整， 具體如下：如全局最優(yōu)粒子的位置在連續(xù)Ml次迭代中始終變化，則減少粒子數(shù)量；如全局 最優(yōu)粒子的位置在連續(xù)M2次迭代中始終不變，則增加粒子數(shù)量；Ml、M2為預(yù)設(shè)的大于等于 3的整數(shù)。
[0009]Ml與M2可以相等也可以不等。
[0010] 相比現(xiàn)有技術(shù)，本發(fā)明具有以下有益效果：
[0011] 本發(fā)明將自適應(yīng)粒子群優(yōu)化（APS0)技術(shù)與粒子濾波（PF)相結(jié)合，對運(yùn)動(dòng)目標(biāo)進(jìn) 行跟蹤，可有效克服粒子貧化現(xiàn)象，并進(jìn)一步在利用粒子群優(yōu)化方法對粒子的位置進(jìn)行優(yōu) 化時(shí)，根據(jù)全局最優(yōu)粒子的位置變化情況對粒子的數(shù)量進(jìn)行自適應(yīng)調(diào)整，從而可有效減輕 粒子群優(yōu)化中的局部最優(yōu)現(xiàn)象，提高目標(biāo)跟蹤的準(zhǔn)確度，同時(shí)又具有算法復(fù)雜度低，實(shí)時(shí)性 好的優(yōu)點(diǎn)。
【附圖說明】
[0012] 圖1為粒子濾波算法的基本流程示意圖；
[0013] 圖2為粒子群優(yōu)化算法的基本流程示意圖；
[0014] 圖3為本發(fā)明自適應(yīng)粒子群優(yōu)化粒子濾波運(yùn)動(dòng)目標(biāo)跟蹤方法的流程示意圖；
[0015] 圖4為分別采用本發(fā)明方法和傳統(tǒng)粒子濾波方法對Browsel視頻序列進(jìn)行運(yùn)動(dòng)目 標(biāo)跟蹤的效果對比。
【具體實(shí)施方式】
[0016] 下面結(jié)合附圖對本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說明：
[0017] 本發(fā)明的思路是針對現(xiàn)有粒子群優(yōu)化粒子濾波運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)所存在的定位 不夠準(zhǔn)確、計(jì)算量較大的不足，對其進(jìn)行改進(jìn)，即在利用粒子群優(yōu)化方法對粒子的位置進(jìn)行 優(yōu)化時(shí)，根據(jù)全局最優(yōu)粒子的位置變化情況對粒子的數(shù)量進(jìn)行自適應(yīng)調(diào)整：在粒子迭代更 新的過程中，全局最優(yōu)點(diǎn)如果連續(xù)多次都更新，則說明當(dāng)前粒子群處于不斷開發(fā)新的狀態(tài) 的過程，此時(shí)適當(dāng)減少粒子數(shù)目；反之，如果全局最優(yōu)點(diǎn)連續(xù)多次都沒有更新，此時(shí)粒子群 處于一個(gè)收斂的狀態(tài)，有可能陷入局部最優(yōu)點(diǎn)而無法跳出來，即目標(biāo)位置有可能跟蹤的不 準(zhǔn)確，這時(shí)候需要增加粒子數(shù)目，從而幫助粒子群跳出這個(gè)點(diǎn)，擴(kuò)展搜索的范圍。
[0018] 為了便于公眾理解本發(fā)明的技術(shù)方案，下面首先對本發(fā)明所涉及的粒子濾波及粒 子群優(yōu)化技術(shù)進(jìn)行簡單介紹。
[0019] 圖1顯示了粒子濾波算法的基本流程。粒子濾波（PF:Particle Filtering)的思 想是基于蒙特卡羅方法，利用粒子集來表示概率的問題，可以用在任何形式的空間模型上。 它的核心思想是通過從后驗(yàn)概率中抽取隨機(jī)狀態(tài)的粒子來表達(dá)它的分布，是一種順序重要 性采樣方法。簡單來說，就是通過尋找一組在狀態(tài)空間傳播的隨機(jī)樣本對概率密度函數(shù)進(jìn) 行近似，以樣本均值來代替積分的運(yùn)算，從而獲得使?fàn)顟B(tài)實(shí)現(xiàn)最小方差分布的過程。
[0020] 一般情況下，粒子濾波的狀態(tài)空間模型可以描述為：
[0021] xk= f(x k-D+UH
[0022] yk= h(x k)+wk
[0023] xk為系統(tǒng)在k時(shí)刻的狀態(tài)值，y k為系統(tǒng)狀態(tài)x k的量測值，uh，wk分別為非線性系 統(tǒng)的過程噪聲和量測噪聲值。
[0024] 粒子濾波目標(biāo)跟蹤的基本步驟如下：
[0025] 1.初始化：初始跟蹤幀k，然后根據(jù)先驗(yàn)分布p(xk)，采樣初始粒子集
[0026] 2. For k = 1,2,...
[0027] a)重要性采樣：從建議分布采樣粒子集，i(A I ;
[0028] b)重要性加權(quán)：
[0029] 重要性加權(quán)公式為：
[0030]
【主權(quán)項(xiàng)】
1. 自適應(yīng)粒子群優(yōu)化粒子濾波運(yùn)動(dòng)目標(biāo)跟蹤方法，在用粒子濾波方法進(jìn)行運(yùn)動(dòng)目標(biāo)的 跟蹤過程中，利用粒子群優(yōu)化方法對粒子的位置進(jìn)行優(yōu)化；其特征在于，在利用粒子群優(yōu)化 方法對粒子的位置進(jìn)行優(yōu)化時(shí)，根據(jù)全局最優(yōu)粒子的位置變化情況對粒子的數(shù)量進(jìn)行自適 應(yīng)調(diào)整，具體如下；如全局最優(yōu)粒子的位置在連續(xù)Ml次迭代中始終變化，則減少粒子數(shù)量； 如全局最優(yōu)粒子的位置在連續(xù)M2次迭代中始終不變，則增加粒子數(shù)量；Ml、M2為預(yù)設(shè)的大 于等于3的整數(shù)。
2. 如權(quán)利要求1所述自適應(yīng)粒子群優(yōu)化粒子濾波運(yùn)動(dòng)目標(biāo)跟蹤方法，其特征在于，Ml 等于M2。
3. 如權(quán)利要求1所述自適應(yīng)粒子群優(yōu)化粒子濾波運(yùn)動(dòng)目標(biāo)跟蹤方法，其特征在于，每 次所增加或減少的粒子數(shù)量為1。
4. 如權(quán)利要求1所述自適應(yīng)粒子群優(yōu)化粒子濾波運(yùn)動(dòng)目標(biāo)跟蹤方法，其特征在于，在 用粒子濾波方法進(jìn)行運(yùn)動(dòng)目標(biāo)的跟蹤過程中，所使用的特征為顏色直方圖。
5. 如權(quán)利要求4所述自適應(yīng)粒子群優(yōu)化粒子濾波運(yùn)動(dòng)目標(biāo)跟蹤方法，其特征在于，使 用己氏距離度量顏色直方圖的相似度。
【專利摘要】本發(fā)明公開了一種自適應(yīng)粒子群優(yōu)化粒子濾波運(yùn)動(dòng)目標(biāo)跟蹤方法，屬于圖像處理與智能視頻監(jiān)控技術(shù)領(lǐng)域。本發(fā)明方法在用粒子濾波方法進(jìn)行運(yùn)動(dòng)目標(biāo)的跟蹤過程中，利用粒子群優(yōu)化方法對粒子的位置進(jìn)行優(yōu)化；在利用粒子群優(yōu)化方法對粒子的位置進(jìn)行優(yōu)化時(shí)，根據(jù)全局最優(yōu)粒子的位置變化情況對粒子的數(shù)量進(jìn)行自適應(yīng)調(diào)整。相比現(xiàn)有技術(shù)，本發(fā)明不但可有效減輕粒子群優(yōu)化中的局部最優(yōu)現(xiàn)象，提高目標(biāo)跟蹤的準(zhǔn)確度，同時(shí)又具有算法復(fù)雜度低，實(shí)時(shí)性好的優(yōu)點(diǎn)。
【IPC分類】G06T7-20
【公開號】CN104574442
【申請?zhí)枴緾N201510019086
【發(fā)明人】胡棟, 王佩思, 魏巍, 曹金山
【申請人】南京郵電大學(xué)
【公開日】2015年4月29日
【申請日】2015年1月14日