融合相似性检测的抗遮挡粒子滤波跟踪算法

邓利平，肖 何，王 娟

西华师范大学 计算机学院，四川 南充 637002

运动目标跟踪是计算机视觉研究的基本课题和研究热点，应用的领域涉及智能视频监控、无人机侦察、精准制导和交通监测等。

通常，可将目标跟踪算法分为生成式方法和判别式方法，本文研究的粒子滤波算法属于生成式方法[1-2]。Nummiaro等在文献[3]中首次提出完整的粒子滤波跟踪框架，取得了良好的跟踪效果，后文将该算法简称为ACPF。针对粒子滤波跟踪过程中的遮挡问题，文献[4-8]通过分块跟踪的方法提高算法的鲁棒性。文献[4]在检测到遮挡时对目标分块，并选择匹配最好的子块进行重采样和跟踪。文献[5]融合颜色和LBP（local binary pattern）纹理特征；当检测到遮挡时，首先判断遮挡的类型，如果是部分遮挡，对有效块跟踪；如果是完全遮挡，利用前期跟踪结果结合最小二乘法估计目标位置；由于目标重新出现在场景中的位置具有很大的不确定性，估计位置容易出错。文献[6]将跟踪目标分块，并对每个块赋予不同的权重，同时采用局部模板更新策略，提高了模板更新的准确性。文献[7]提出了基于颜色和角点特征的分块粒子滤波跟踪算法，提高了算法的定位精度和鲁棒性。文献[8]融合颜色和边缘特征建立目标的观测模型，并将每个分块作为图的一个顶点，建立图模型；跟踪过程中，遮挡部分的状态通过图模型中的可见部分估计。分块跟踪在复杂环境下搜索效率低，处理小目标和完全遮挡情况下的跟踪性能不理想，不适合长时跟踪。……