CN101923716A - 一种改善粒子滤波跟踪效果的方法 - Google Patents

Abstract

本发明属于视频以及图像处理技术，具体涉及一种改善粒子滤波跟踪效果的方法。该方法通过计算出t-1时刻的跟踪目标运动速度，对t时刻粒子进行概率重新分布，保证了粒子能够收敛到最佳位置；将粒子跟踪结果位置与以t-1时刻输入位置为中心的一个区域进行灰度差的平方和比较，将灰度差的平方和最小位置作为跟踪目标新位置的输出结果，保证了跟踪的稳定，克服了传统方法在目标跟踪时造成的跟踪结果左右或上下晃动的缺陷。

Description

一种改善粒子滤波跟踪效果的方法

技术领域

本发明属于视频以及图像处理技术，具体涉及一种改善粒子滤波跟踪效果的方法。

背景技术

在图像/视频后期处理软件中，对运动图像的像素特征区域进行跟踪，跟踪数据可以用来控制其它物体的运动和稳定运动物体，这有广泛的需求。使用粒子滤波跟踪方法可以对特征点进行快速跟踪，具有很好的实时性，且具有良好的抗干扰性。

用于粒子滤波跟踪算法的粒子滤波器的基本思想来源于Perfect MonteCarlo(PMC)仿真，在PMC中，任意函数的数学期望：E(g(x_0：K))＝∫g(x_0：K)P(x_0：K|z_1:k)dx_0：k可以近似为

其中离散样本

是从后验分布函数f(x|z)中产生的N个点的独立分布同分布序列。当N足够大的时候，

绝对收敛于E(g(x_0：k))。其核心思想是利用一系列随机样本的加权和表示所需的后验概率密度，得到状态的估计值。粒子滤波跟踪算法可以参阅：Katja Nummiaro，Esther Koller-Meier，Luc Van Gool.An adaptive color-based particlefilter.Image and Vision Computing，2003，21：99-110。

但是，现有的粒子滤波跟踪方法以概率分布为基础，容易造成跟踪不稳定的现象；同时，假如跟踪目标运动很快，而粒子的概率分布无法到达跟踪目标的大致区域，从而导致无法进行跟踪。

发明内容

本发明的目的在于针对现有粒子滤波跟踪方法的缺陷，提供一种可以改善粒子滤波跟踪效果的方法，使粒子能够收敛到最佳位置，保证跟踪的稳定性。

本发明的技术方案如下：一种改善粒子滤波跟踪效果的方法，包括如下步骤：

(1)针对跟踪目标，从t时刻的前一帧一组概率样本中随机选取N个粒子样本；

(2)对新采样的N个粒子进行概率重新分布；

(3)对N个粒子根据RGB直方图计算每个粒子的权重，然后将N个粒子位置根据权重进行加权平均，得到跟踪目标的估计位置；

(4)对估计位置进行稳定性比较计算，得到跟踪目标的新位置，进行输出；

(5)在t+1时刻，返回步骤(1)，进行循环操作。

进一步，如上所述的改善粒子滤波跟踪效果的方法，其中，粒子样本的个数N取100。

进一步，如上所述的改善粒子滤波跟踪效果的方法，其中，步骤(2)中对新采样的N个粒子进行概率重新分布的方法如下：

设t-1时刻跟踪目标的运动速度为：

$\mathrm{vec}\stackrel{\‾}{x}=\frac{\mathrm{\Δ}\stackrel{\‾}{x}}{\mathrm{vecunitperpixel}},\mathrm{vec}\stackrel{\‾}{y}=\frac{\mathrm{\Δ}\stackrel{\‾}{y}}{\mathrm{vecunitperpixel}}$

其中，

知

分别表示t-1时刻跟踪目标的位置偏移；

通过下面公式得到t时刻每个粒子的新位置：

$x_t^i=x_{t-1}^i+r_t^i\×\mathrm{vect}\stackrel{\‾}{x}\×\mathrm{vecunitperpixel}+r_t^i\×H_{t-1}^i$

$y_t^i=y_{t-1}^i+r_t^i\×\mathrm{vect}\stackrel{\‾}{y}\×\mathrm{vecunitperpixel}+r_t^i\×W_{t-1}^i$

其中，

为高斯随机数，

为粒子的宽，

为粒子高，vecunitperpixel表示每个像素的运动单位。

进一步，如上所述的改善粒子滤波跟踪效果的方法，其中，步骤(3)中得到跟踪目标估计位置的计算公式如下：

${\stackrel{\‾}{x}}_t=f\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}^i\×x_t^i$

${\stackrel{\‾}{y}}_t=f\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}^i\×y_t^i$

其中，f为归一化系数：

Wⁱ表示每个粒子权重。

进一步，如上所述的改善粒子滤波跟踪效果的方法，其中，步骤(4)中对估计位置进行稳定性比较计算的具体方法如下：

在计算出来的跟踪目标估计位置后，与输入的t-1时刻初始位置周围3*3像素矩形范围，形成10个搜索位置，在其中找一个新位置，它与上一帧t-1时刻目标区域灰度差的平方和(SSD)为最小，用这个新位置作为输出结果。

本发明的有益效果如下：本发明通过计算出t-1时刻的跟踪目标运动速度，对t时刻粒子进行概率重新分布，保证了粒子能够收敛到最佳位置；将粒子跟踪结果位置与以t-1时刻输入位置为中心的一个区域进行灰度差的平方和比较，将灰度差的平方和最小位置作为跟踪目标新位置的输出结果，保证了跟踪的稳定，克服了传统方法在目标跟踪时造成的跟踪结果左右或上下晃动的缺陷。

附图说明

图1为本发明的方法流程图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细的描述。

本发明所提供的方法主要使用粒子滤波，采用RGB彩色直方图计算相似度权重，最后评估出目标在下一帧的真实位置。具体流程如图1所示，包括如下步骤：

(1)针对跟踪目标，从t时刻的前一帧一组概率样本中随机选取N个粒子样本。

粒子个数N用来确定采用多少个随机分布的粒子来计算彩色直方图，本发明中粒子样本的个数N取100。这样做可以解决退化现象(Degeneracyphenomenon)，因为，经过几步迭代以后，除了一个粒子以外其他粒子的权重都变得很小，权重的方差随时间增大，退化现象无法避免。这就意味着许多大量的计算浪费在那些值极小的粒子上，而这些粒子对估计的贡献几乎为零。再采样的目的在于减小权值较小的粒子的数目，采样算法，在发现有明显的退化现象时，比如已经下降到一个门限阈值时，对粒子进行重采样，其基本思想是把那些权重很小的粒子删除，然后集中到那些权重大的粒子上去。

(2)对新采样的N个粒子进行概率重新分布。

t-1跟踪目标的运动速度为：

$\mathrm{vec}\stackrel{\‾}{x}=\frac{\mathrm{\Δ}\stackrel{\‾}{x}}{\mathrm{vecunitperpixel}},$ $\mathrm{vec}\stackrel{\‾}{y}=\frac{\mathrm{\Δ}\stackrel{\‾}{y}}{\mathrm{vecunitperpixel}}$

知

分别表示t-1时刻运动目标的位置偏移。

假定从t-1时刻到t时刻，跟踪目标的运动速度没有剧烈变化，根据下面公式从而得到粒子的新位置为：

$x_t^i=x_{t-1}^i+r_t^i\×\mathrm{vect}\stackrel{\‾}{x}\×\mathrm{vecunitperpixel}+r_t^i\×H_{t-1}^i$

$y_t^i=y_{t-1}^i+r_t^i\×\mathrm{vect}\stackrel{\‾}{y}\×\mathrm{vecunitperpixel}+r_t^i\×W_{t-1}^i$

其中，

为高斯随机数，

为粒子的宽，

为粒子高，vecunitperpixel表示每个像素的运动单位。

(3)对N个粒子根据RGB直方图计算每个粒子的权重，然后将N个粒子位置根据权重进行加权平均，得到跟踪目标的估计位置，计算公式如下：

${\stackrel{\‾}{x}}_t=f\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}^i\×x_t^i$

${\stackrel{\‾}{y}}_t=f\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}^i\×y_t^i$

其中，f为归一化系数：

Wⁱ表示每个粒子权重，是根据这个粒子的RGB与模板图RGB进行比较得到的权重。根据RGB直方图计算N个粒子权重的方法为本领域的公知技术，下面简单的介绍一下计算的过程：

①采用下面公式计算N个粒子在y位置的RGB直方图：

$p_y^{\left(u\right)}=f\underset{i=1}{\overset{I}{\mathrm{\Σ}}}k\left(\frac{\left|\right|y-x_i\left|\right|}{a}\right)\mathrm{\δ}[h\left(x_i\right)-u]$

其中，Epanechnikov核函数为：

f为归一化系数，

δ为Kronecker冲击函数；

②采用如下公式计算两个离散直方图p＝{p^(u)}_u＝1...m、q＝{q^(u)}_u＝1...m的Bhattacharyya系数：

③采用如下公式计算N个粒子的权重：

$W^i=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-\frac{(1-\mathrm{\ρ}[p,q\left]\right)}{2{\mathrm{\σ}}^2}}$

(4)对估计位置进行稳定性比较计算，得到跟踪目标的新位置，进行输出。

在计算出来的跟踪目标估计位置后，与输入的t-1时刻初始位置周围3*3像素矩形范围，形成10个搜索位置，在其中找一个新位置，它与上一帧t-1时刻目标区域灰度差的平方和(SSD)为最小，用这个新位置作为输出结果，具体公式为：

S(x，y)＝(∫∫_w|(J(X)-I(X))|)

上述公式含义是：在3*3的矩阵中选择与模板亮度差最小的x，y位置作为最终的输出结果。S表示这个位置的亮度与模板的亮度差，x，y表示在以x_m，y_m为中心的新位置。J、I分别表示t-1和t时刻的两幅图像的亮度函数。

(5)在t+1时刻，返回步骤(1)，进行循环操作。

本发明所述的方法并不限于具体实施方式中所述的实施例，本领域技术人员根据本发明的技术方案得出其他的实施方式，同样属于本发明的创新范围。

Claims (5)

1.一种改善粒子滤波跟踪效果的方法，包括如下步骤：

(1)针对跟踪目标，从t时刻的前一帧一组概率样本中随机选取N个粒子样本；

(2)对新采样的N个粒子进行概率重新分布；

(3)对N个粒子根据RGB直方图计算每个粒子的权重，然后将N个粒子位置根据权重进行加权平均，得到跟踪目标的估计位置；

(4)对估计位置进行稳定性比较计算，得到跟踪目标的新位置，进行输出；

(5)在t+1时刻，返回步骤(1)，进行循环操作。

2.如权利要求1所述的改善粒子滤波跟踪效果的方法，其特征在于：粒子样本的个数N取100。

3.如权利要求1所述的改善粒子滤波跟踪效果的方法，其特征在于：步骤(2)中对新采样的N个粒子进行概率重新分布的方法如下：

设t-1时刻跟踪目标的运动速度为：

$\mathrm{vec}\stackrel{\‾}{x}=\frac{\mathrm{\Δ}\stackrel{\‾}{x}}{\mathrm{vecunitperpixel}},$ $\mathrm{vec}\stackrel{\‾}{y}=\frac{\mathrm{\Δ}\stackrel{\‾}{y}}{\mathrm{vecunitperpixel}}$

其中，和

分别表示t-1时刻跟踪目标的位置偏移；通过下面公式得到t时刻每个粒子的新位置：

$x_t^i=x_{t-1}^i+r_t^i\×\mathrm{vect}\stackrel{\‾}{x}\×\mathrm{vecunitperpixel}+r_t^i\×H_{t-1}^i$

$y_t^i=y_{t-1}^i+r_t^i\×\mathrm{vect}\stackrel{\‾}{y}\×\mathrm{vecunitperpixel}+r_t^i\×W_{t-1}^i$

其中，

为高斯随机数，为粒子的宽，

为粒子高，vecunitperpixel表示每个像素的运动单位。

4.如权利要求3所述的改善粒子滤波跟踪效果的方法，其特征在于：步骤(3)中得到跟踪目标估计位置的计算公式如下：

${\stackrel{\‾}{x}}_t=f\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}^i\×x_t^i$

${\stackrel{\‾}{y}}_t=f\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{W}^i\×y_t^i$

其中，f为归一化系数：

Wⁱ表示每个粒子权重。

5.如权利要求1或2或3或4所述的改善粒子滤波跟踪效果的方法，其特征在于：步骤(4)中对估计位置进行稳定性比较计算的具体方法如下：在计算出来的跟踪目标估计位置后，与输入的t-1时刻初始位置周围3*3像素矩形范围，形成10个搜索位置，在其中找一个新位置，它与上一帧t-1时刻目标区域灰度差的平方和(SSD)为最小，用这个新位置作为输出结果。