基于特征融合的粒子群优化粒子滤波跟踪方法.pdfVIP

第29卷 第1期 南昌航空大学学报:自然科学版 Vol.29,No.1 2015年3月 Journal of Nanchang Hangkong University:Natural Sciences Mar. ,2015 基于特征融合的粒子群优化粒子滤波跟踪方法 袁开宇, 储　 珺, 冷四军,朱　 陶, 曾接贤 (南昌航空大学 计算机视觉研究所,南昌　 330063) [摘　 要]针对传统粒子滤波跟踪算法重采样时存在粒子退化、目标与背景颜色相似和尺度变化导致的目标定位不准确问 题,本研究提出了一种基于特征融合的粒子群优化粒子滤波跟踪算法,算法利用粒子群优化进行粒子权值更新,用当前状态 估计值与各粒子状态的差值大小作为评价标准,促使粒子采样向真实状态区域移动,减缓粒子退化,提高了粒子滤波跟踪算 法的跟踪性能。 针对跟踪目标尺度变化导致的定位不准确情况,引入了归一化转动惯量(Normalized moment of inertia,NMI) 特征,并将它与颜色特征采用乘性融合策略进行融合来描述目标特征,提高目标复杂场景下的定位精度。 通过在多个标准测 试视频上进行试验,实验结果表明,本研究提出的方法对动态背景场景中尺度变化目标和背景颜色相似目标的跟踪具有较好 的准确性和鲁棒性。 [关键词]目标跟踪; 粒子滤波; NMI特征; 粒子群优化 [中图分类号] TP391　 　 　 　 　 [文献标志码] A　 　 　 　 　 doi:10.3969/ j.issn.1001-4926.2015.01.006 [文章编号] 1001-4926(2015)01-0033-09 Particle Filter Tracking Method base on Feature Fusion and Particle Swarm Optimized YUAN Kai-yu,CHUJun,LENG Si-jun,ZHUTao,ZENGJie-xian (Institute of Computer Vision,Nanchang HangKong University,Nanchang 330063, China) Abstract:For the presence ofparticlesofdegradedtraditionalparticlefiltertrackingalgorithmwhenresampling,Notagoodsolutionto partial occlusion morph targets and target tracking problems,This paper introduces the multi-feature fusion based particle swarm optimized particle filter tracking method. Particle swarm optimization algorithm uses particle weights be updated with the current estimate of the difference between the size of the state and the state of each particle as evaluation criteria,prompting thetrue state of the particle sampling area to move, reduce particle degradation, improve the tracking performance of the particle filter tracking algorithm. For target deformationandocclusion,ThisarticleintroducedtheNormalizedmomentof inertia (NMI)feature,Willitwith color features multiplic