基于多特征融合与均值偏移的粒子滤波跟踪算法

于金霞,乔 楠

(河南理工大学计算机科学与技术学院,河南焦作454003)

基于多特征融合与均值偏移的粒子滤波跟踪算法

于金霞,乔 楠

(河南理工大学计算机科学与技术学院,河南焦作454003)

利用单一特征在复杂环境下进行目标跟踪容易导致跟踪失败。针对该问题,提出基于多特征融合与均值偏移的粒子滤波跟踪算法。在粒子滤波的总体框架下,通过嵌入均值漂移聚类算法产生更逼近真实后验分布的粒子,同时采用颜色和结构特征作为观测模型来表示目标,利用融合后的信息计算粒子的权值,并在跟踪过程中不断更新,以减小跟踪偏差。实验结果表明,与基于颜色与结构的跟踪算法相比,该算法在使用相同粒子数目时鲁棒性更高,而且粒子的平均权重得到了提高,重采样次数明显减少,即使在粒子数目较少的情况下也能实现稳定跟踪。

目标跟踪;均值偏移;多特征融合;粒子滤波;颜色特征;结构特征

1 概述

视频目标跟踪是计算机视觉领域的一个核心问题,融合了图形处理、模式识别、人工智能、自动控制等多种不同领域的理论知识。在视觉导航、安全监控、智能交通、视频编码、医疗诊断、气象分析及天文观测等众多领域中有着广阔的应用前景[1]。近年来,人们对视频目标跟踪进行了大量的研究,形成了以均值偏移(Mean Shift,MS)为代表的确定性跟踪方法和粒子滤波(Particle Filtering,PF)为代表的概率跟踪方法[2]。确定性跟踪方法实时性较好,但鲁棒性较差,当目标出现遮挡、尺度变化或者光线变化较快时,可能跟踪失败。……