嵌入尺度可变均值漂移算法的粒子滤波方法.pdfVIP

第31卷第4期 华侨大学学报(自然科学版) VOL31 No．4 of Science) 2010年7月 Joumal Jul．2010 HuaqiaoUniversity(Natural 文章编号： l000—5013(2010)04一0408—05 嵌入尺度可变均值漂移算法的粒子滤波方法 林渊灿，陈锻生，胡小平 (华侨大学计算机科学与技术学院，福建泉州362021) 摘要：将尺度可变均值漂移算法嵌入到粒子的扩散过程中，引导粒子扩散到后验概率密度函数的高密度区， 提出一种嵌入尺度可变均值漂移算法的粒子滤波跟踪方法．利用对数极坐标图像的尺度不变性，在粒子扩散 过程中同时进行位置、尺度空间漂移．实验表明，该方法不仅能顺利跟踪非连续尺度变化目标，而且需要更少 的粒子数． 关键词：粒子滤波；均值漂移算法；尺度可变；对数极坐标；目标跟踪 中图分类号： TP391．41 文献标识码： A 均值漂移算法(Mean—shift，MS)[1]和粒子滤波(Particle 采用的两种方法．PF是一种非线性、参数化的目标跟踪方法，适用于非线性动态系统，能够跟踪部分遮 挡，甚至完全遮挡的目标．MS具有简单、快速、强鲁棒性等特点，只在位置子空间内搜索最优目标估计 值，不存在有效的核窗尺寸更新模型．当目标尺度发生变化时，特别是在目标放大的情况下[3]，MS的 散过程中，用MS指导粒子在位置子空间中进行漂移，使得扩散后的粒子群聚集在后验概率密度函数的 高密度区，有效地减少粒子数；同时，它利用PF的状态转移模型对目标的尺寸进行预测，能够跟踪尺度 连续变化的目标．但当目标进行非连续尺度变化时，HT的状态转移模型无法预测目标的尺度信息，导 换[6]，将目标尺度变换转换为在对数极坐标下的平移变换，使得目标的位置变化和尺度变化统一到MS 算法框架中，实现对尺度变化目标的跟踪．与MS一样，KBT—VRM也无法跟踪有遮挡的目标．为解决该 问题，本文提出一种嵌入尺度可变均值漂移算法的粒子滤波方法(简称PF-KBnVRM)． 1状态转移模型 状态转移方程的形式对最终跟踪效果的影响很大．文中提出一种改进的自适应状态转移模型，以 文[4]的状态转移模型为基础，加入前一时刻运动趋势信息项△SH．即 S。=S卜1+反·△S，l+ct·‰，] △SPl=SPl—SP2， 反=6卜1+sign(△s严l·△s川)·o．01，}． (1) 1， 口o， ． ，、 f ＆gn(口)2 J I一1． 口≤o． 式(1)中：s为目标状态I“为噪声IcI为时刻￡之前愚个时刻状态增量绝对值的均值，G。cE[I△s|]= s一。一s川lI 6I为前一时刻运动趋势信息的可靠因子．当目标前后两帧的运动方向一致时， ÷∑l 6l增大I当目标前后两帧的运动方向不一致时，6l减小I当目标在某一位置左右移动时，前一帧的运动趋 收稿日期：2009—05—19 通信作者： 基金项目： 福建省科技计划重点项目(2008I0021)·福建省自然科学基金计划资助项目(2009J01289) 万方数据 第4期 林渊灿，等：嵌入尺度可变均值漂移算法的粒子滤波方法 势信息对于当前帧没有参考价值，6f取最小值o；而如果目标在一段时间内运动趋势一致，玩会不断地 增加．为了避免在目标突然改变运动趋势时跟踪失败，给统设置～个最大值，文中取6懈一o．25． 2 目标表示模型 假设用椭圆近似目标区域，￡时刻的第i个候选区域表示为S“=(z，y，