《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 嵌入式技術(shù) > 設(shè)計應(yīng)用 > 基于粒子濾波的視覺跟蹤器的設(shè)計與實現(xiàn)
基于粒子濾波的視覺跟蹤器的設(shè)計與實現(xiàn)
來源：電子技術(shù)應(yīng)用2013年第11期
楊 戈1,2， 溫詩偉1, 黃 靜1
1. 北京師范大學(xué) 珠海分校 信息技術(shù)學(xué)院， 廣東 珠海 519087; 2. 北京大學(xué) 深圳研究生院 深圳物聯(lián)網(wǎng)智能感知技術(shù)工程實驗室，廣東 深圳518055
摘要： 在VC++6.0開發(fā)平臺上使用OpenCV函數(shù)庫中基于加權(quán)顏色直方圖的粒子濾波算法，設(shè)計了一個視覺跟蹤器，完成了對人體圖像序列中目標的動態(tài)跟蹤。目標顏色模型的合理建立使得視覺跟蹤器對系統(tǒng)資源需求較少, 計算速度較快, 利于實現(xiàn)實時跟蹤。實驗結(jié)果驗證了該視覺跟蹤器的有效性和實時性,它能夠比較精確地實現(xiàn)基于觀測量和控制量的后驗概率分布，可用于解決即時定位與地圖構(gòu)建(SLAM)問題。
中圖分類號: TP389.1；TP183
文獻標識碼: A
文章編號： 0258-7998(2013)11-0142-03
Design and implementation of a visual tracker based on particle filter
Yang Ge1,2，Wen Shiwei1, Huang Jing1
1. College of Information Technology, Beijing Normal University Zhuhai Campus, Zhuhai 519087, China) 2. Engineering Lab on Intelligent Perception for Internet of Things(ELIP), Shenzhen Graduate School, Peking University, Shenzhen 518055, China
Abstract： In this paper, the VC + +6.0 development platform using OpenCV library weighted color histogram-based particle filter algorithm to achieve a visual tracking, dynamic tracking of targets in the human image sequences. Reasonable establishment of the target color model makes less demand on system resources, fast calculation, visual tracking conducive to the realization of real-time tracking. The experimental results verify the effectiveness and real-time of the visual tracking and it is able to more accurately express the posterior probability distribution based on the concept of measurement and control. It can be used to solve the SLAM problem.
Key words : visual tracking; color histogram; feature tracking; particle filtering; OpenCV

   視覺跟蹤是通過對圖像序列中的運動目標進行檢測、識別、跟蹤，獲得運動目標的運動參數(shù)，通過進一步處理與分析，實現(xiàn)對運動目標的行為認識，以完成對運動目標的跟蹤[1-2]等更高級的任務(wù)。處理理背景復(fù)雜多變的目標運動的跟蹤問題，要運用到現(xiàn)階段各相關(guān)領(lǐng)域相結(jié)合的識別跟蹤算法，如均值漂移算法(Mean Shift)[3]，卡爾曼濾波算法(Kalman)、粒子群跟蹤算法(Pso)[4]，以及粒子濾波跟蹤算法PF(Particle Filter)[5]。粒子濾波算法適合處理非線性系統(tǒng)的目標跟蹤問題，它擺脫了解決非線性濾波問題時，隨機量必須滿足高斯分布的制約[6]。因此，粒子濾波能夠比較精確地表達基于觀測量和控制量的后驗概率分布,可用于解決即時定位與地圖構(gòu)建SLAM(Simultaneous Localization and Mapping)問題。




4 實驗與結(jié)果分析
4.1實驗環(huán)境
    實驗的硬件環(huán)境：CPU型號：Intel 酷睿i5 3210 M,CPU主頻為2.5 GHz,內(nèi)存為4 GB,顯存為2 GB。
    實驗的軟件環(huán)境：操作系統(tǒng)為Windows 7，編程環(huán)境為Microsoft Visual C++ 6.0,所用函數(shù)庫為OpenCV,MFC。
4.2 實驗結(jié)果與分析
    采用基于加權(quán)顏色直方圖粒子濾波的視覺跟蹤器對目標進行跟蹤的。
    本文將基于加權(quán)顏色直方圖的粒子濾波算法用于目標人物的實時跟蹤。實驗是在VC++6.0和OpenCV的環(huán)境下進行，矩形為人為設(shè)定，每幀圖像的大小為640×480像素，粒子數(shù)N=150。圖2所示為對小件物體的運動目標的視覺跟蹤，并把粒子樣本顯示出來，如圖方框中的粒子，粒子分布符合高斯分布。圖3所示為對女生的運動目標的視覺跟蹤，圖中矩形內(nèi)部是待跟蹤的目標人物，矩形為人為設(shè)定,用基于加權(quán)顏色直方圖的粒子濾波方法對具有特定顏色的目標進行跟蹤，計算每幀圖像每個像素點的顏色概率分布直方圖，對每個像素進行加權(quán)處理，只需保留樣本中權(quán)值大的粒子，拋棄權(quán)值小的粒子，這樣就大大減少了計算。實驗結(jié)果表明，粒子濾波跟蹤算法對系統(tǒng)資源要求不高，計算時間少，一幀平均處理時間為170 ms。而在有遮擋的運動目標的圖像序列當(dāng)中，每幀圖像的大小為640×480像素,粒子數(shù)N=150，對有遮擋的運動目標能夠有很好的魯棒性，平均每幀跟蹤時間為350 ms。圖4所示為對男生的運動目標的視覺跟蹤，對有遮擋的目標，跟蹤的準確率有所下降；而有遮擋的運動目標則有很好的魯棒性，平均每幀跟蹤時間為350 ms。表1為圖像序列在這兩種情況下,跟蹤算法的成功率的比較，當(dāng)跟蹤窗口沒有跟蹤目標視為失敗。

 

 

 

    本文闡述了通過基于特征跟蹤策略，應(yīng)用OpenCV函數(shù)庫進行對圖像序列的運動目標進行跟蹤和監(jiān)測，實現(xiàn)了基于加權(quán)顏色直方圖粒子濾波的視覺跟蹤器。通過實驗表明,基于加權(quán)顏色直方圖的粒子濾波方法計算效率高，魯棒性好，實現(xiàn)了對彩色物體的實時跟蹤。
參考文獻
[1] 侯志強，韓崇昭.視覺跟蹤技術(shù)綜述[J].自動化學(xué)報，2006，32（4）：604-612.
[2] 楊戈，劉宏.視覺跟蹤算法綜述[J].智能系統(tǒng)學(xué)報, 2010，5（2）：96-102.
[3] 周芳芳，樊曉平，葉榛.均值漂移算法的研究與應(yīng)用[J].控制與決策, 2007(8)：841-847.
[4] 竇永梅. 基于粒子群算法和卡爾曼濾波的運動目標跟蹤算法[D]. 太原：太原理工大學(xué),2011.
[5] 王法勝，郭權(quán).視覺跟蹤中的粒子濾波算法研究進展[J]. 山西大學(xué)學(xué)報(自然科學(xué)版)，2011，34(4)：528-533.
[6] 胡昭華，樊鑫，梁德群，等.基于雙線非線性學(xué)習(xí)的軌跡 跟蹤和識別[J].計算機學(xué)報,2007,30(8):1390-1397.
[7] 吳長江，趙不賄，鄭博，等.基于FPGA的動態(tài)目標跟蹤系統(tǒng)設(shè)計[J].電子技術(shù)應(yīng)用，2010，36(3):45-50.
[8] 李由，張恒，李立春.基于多測量融合的粒子濾波跟蹤算法[J].國防科技大學(xué)學(xué)報,2007,29(5)：27-30.
[9] 楊柳，張寶亮，趙建，等.基于改進粒子濾波算法的人體運動跟蹤[J]. 電子技術(shù)應(yīng)用,2007,33(11):74-79.

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。