·190· 智能系统学报 第3卷 时刻系统的状态).高斯噪声服从正态分布，被广 的样本上，因此，需要通过重采样技术来避免这一问 泛地用来产生叠加噪声.评估假设就是根据系统观 题.通常，整个系统具有马尔可夫性质，重要性分布 测计算目标与预测值的相似度，相似度有多种度量 可以通过式(5)化简： 方法，可以用巴特查理亚距离度量s1,也可以用欧 q(X|为1，a)=p(x|X1). (5) 几里德距离度量.相似度用权值来表示，权值越大， 此时，权重就是观测概率p(zx 相似度就越高，文献[7]采用颜色信息和边缘信息 2观测模型 描述日标，但却没有将他们有效地用于更新权值.产 生假设和评估假设对应于粒子滤波器一个迭代过程 对目标实施准确跟踪的前提是获得被跟踪目标 中的2个重要的步骤：预测和更新 的准确信息，并充分利用这些信息建立目标的模型 根据粒子滤波算法在目标跟踪中的特定应用及 选择目标合适的视觉特征使其能在特征空间上与其 其存在的不足，对其进行了改进.采用自适应帧差分 他物体容易的区分是建立观测模型的首要任务 技术检测运动目标，对目标实施在线建模，针对颜色 已经有研究人员针对粒子滤波器提出多种观测模 信息在光照变化和相似背景条件下存在的缺点，加 型，有基于颜色的观测模型、基于轮廓的观测模型、 入目标边缘信息来表示目标.分别计算目标的颜色 基于运动特征的观测模型、基于纹理的观测模型) 直方图和边缘直方图与粒子的欧几里德距离，使用 等.基于颜色的目标表示方法具有计算量少、适合部 这2个距离作为更新权值的重要依据，增加了权值 分遮挡和非刚性物体的跟踪，缺点是它忽略了空间 的有效性，有效地克服了颜色信息在目标表示中的 层次信息，在光照变化，以及背景具有和目标相似的 不足，极大地增加了跟踪的准确性 颜色时，跟踪会失效；基于轮廓的目标表示方法提供 了目标更为详细的信息，但目标存在形变或被遮挡 1粒子滤波器 时，跟踪不准确：基于运动特征的观测模型涉及到运 粒子滤波器是一种贝叶斯序列重要的采样技 动姿态的理解，需要大量先验知识，计算复杂：与颜 术，它使用有限的带权重的粒子集近似当前分布.粒 色建模相比，物体表面亮度变化对纹理模型的影响 子滤波技术包括2个基本步骤：预测和更新.给定所 要小一些.为了更准确地表示目标，观测模型可以是 有1-1时刻的可用观测： 几种特征的组合.本文采用颜色特征和边缘特征对 目标建模 石.1={☑，”，Z.1} (1》 21颜色直方图 式中：z表示时刻的系统观测. 为了减少计算量，降低光照影响，将RGB颜色 预测阶段使用式(2)的概率系统转换模型来预 空间离散化成888的大小，得到256个颜色区 测当前时刻的状态： 域，即新的颜色空间中下g、b的取值范围为0~7，统 P(x|a.1)=px,|x.1)p(x.1|a1)d.r 计目标区域中像素的颜色向量落在相应子区域中的 2) 像素的个数，得到相应的颜色直方图.点(x,以处新 式中：x,表示时刻的系统状态.当时刻到来时， 的八gb值按式(6)计算，R表示目标区域. 观测z可用，状态可以根据贝叶斯规则进行更新： (5gb=Lr(xy以，g(x以，b(x以)/32， px1石)=D6xpxZ (x,y以∈R. (6) 3 p(z) 归一化新的颜色直方图，即在新的颜色直方图 式中：p(z|x,由观测方程所描述 中，计算落在每一颜色向量上的像素点的个数占整 粒子滤波器中，当前时刻的状态p(x,|)是 个像素点的比重 由N个权值为w的样本(x}-1x表示的.候选样 假设人={（编，名，）k-a表示目标颜色 本是从重要性分布qx|x.1,石)中抽取的，其 参考模型，k={(住，g,)}ua表示时刻粒 权重为 子x所表示区域的颜色模型，则两者的相似度可以 w;=w,DapI飞型 用欧几里德距离表示： (4) 777 q(8|X1,石 经过几次迭代后，很多样本的权值变得很小，出 k.=EF·)+ 现样本退化现象，计算会大量浪费在更新这些退化 (g-8)2+(-2)产 (7) 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved. hD,/hp11.C1.7e1时刻系统的状态 [ 7 ] . 高斯噪声服从正态分布 ,被广 泛地用来产生叠加噪声. 评估假设就是根据系统观 测计算目标与预测值的相似度 ,相似度有多种度量 方法 ,可以用巴特查理亚距离度量 [ 8 ] ,也可以用欧 几里德距离度量. 相似度用权值来表示 ,权值越大 , 相似度就越高 ,文献 [ 7 ]采用颜色信息和边缘信息 描述目标 ,但却没有将他们有效地用于更新权值. 产 生假设和评估假设对应于粒子滤波器一个迭代过程 中的 2个重要的步骤 :预测和更新. 根据粒子滤波算法在目标跟踪中的特定应用及 其存在的不足 ,对其进行了改进. 采用自适应帧差分 技术检测运动目标 ,对目标实施在线建模 ,针对颜色 信息在光照变化和相似背景条件下存在的缺点 ,加 入目标边缘信息来表示目标. 分别计算目标的颜色 直方图和边缘直方图与粒子的欧几里德距离 ,使用 这 2个距离作为更新权值的重要依据 ,增加了权值 的有效性 ,有效地克服了颜色信息在目标表示中的 不足 ,极大地增加了跟踪的准确性. 1 粒子滤波器 粒子滤波器是一种贝叶斯序列重要的采样技 术 ,它使用有限的带权重的粒子集近似当前分布. 粒 子滤波技术包括 2个基本步骤 :预测和更新. 给定所 有 t - 1时刻的可用观测 : z1∶t- 1 = { z1 , …, zt- 1 }. (1) 式中 : zt 表示 t时刻的系统观测. 预测阶段使用式 (2)的概率系统转换模型来预 测当前时刻的状态 : P ( xt | z1∶t- 1 ) = ∫p ( xt | xt- 1 ) p ( xt- 1 | z1∶t- 1 ) dx t- 1 . (2) 式中 : xt 表示 t时刻的系统状态. 当 t时刻到来时 , 观测 zt 可用 ,状态可以根据贝叶斯规则进行更新 : p ( xt | z1∶t ) = p ( zt | xt ) p ( xt | z1∶t- 1 ) p ( zt | z1∶t- 1 ) . (3) 式中 : p ( zt | xt )由观测方程所描述. 粒子滤波器中 ,当前时刻的状态 p ( xt | z1∶t ) 是 由 N 个权值为 w i t 的样本 { x i t }i = 1, …, N表示的. 候选样 本 x^ i t 是从重要性分布 q ( xt | xi∶t- 1 , z1∶t ) 中抽取的 ,其 权重为 w i t = w i t- 1 p ( zt | x^ i t ) p ( x^ i t | x i t- 1 ) q ( x^t | x1∶t- 1 , z1∶t ) . (4) 经过几次迭代后 ,很多样本的权值变得很小 ,出 现样本退化现象 ,计算会大量浪费在更新这些退化 的样本上 ,因此 ,需要通过重采样技术来避免这一问 题. 通常 ,整个系统具有马尔可夫性质 ,重要性分布 可以通过式 (5)化简 : q ( xt | x1∶t- 1 , z1∶t ) = p ( xt | xt- 1 ) . (5) 此时 ,权重就是观测概率 p ( zt | xt ). 2 观测模型 对目标实施准确跟踪的前提是获得被跟踪目标 的准确信息 ,并充分利用这些信息建立目标的模型 , 选择目标合适的视觉特征使其能在特征空间上与其 他物体容易的区分是建立观测模型的首要任务 [ 1 ] . 已经有研究人员针对粒子滤波器提出多种观测模 型 ,有基于颜色的观测模型、基于轮廓的观测模型、 基于运动特征的观测模型、基于纹理的观测模型 [ 1 ] 等. 基于颜色的目标表示方法具有计算量少、适合部 分遮挡和非刚性物体的跟踪 ,缺点是它忽略了空间 层次信息 ,在光照变化 ,以及背景具有和目标相似的 颜色时 ,跟踪会失效;基于轮廓的目标表示方法提供 了目标更为详细的信息 ,但目标存在形变或被遮挡 时 ,跟踪不准确;基于运动特征的观测模型涉及到运 动姿态的理解 ,需要大量先验知识 ,计算复杂;与颜 色建模相比 ,物体表面亮度变化对纹理模型的影响 要小一些. 为了更准确地表示目标 ,观测模型可以是 几种特征的组合. 本文采用颜色特征和边缘特征对 目标建模. 2. 1 颜色直方图 为了减少计算量 ,降低光照影响 ,将 RGB颜色 空间离散化成 8 ×8 ×8的大小 ,得到 256个颜色区 域 ,即新的颜色空间中 r、g、b的取值范围为 0～7,统 计目标区域中像素的颜色向量落在相应子区域中的 像素的个数 ,得到相应的颜色直方图. 点 ( x, y)处新 的 r、g、b值按式 (6)计算 , R表示目标区域. ( r, g, b) = õ( r( x, y) , g ( x, y) , b ( x, y) ) /32」, ( x, y) ∈ R . (6) 归一化新的颜色直方图 ,即在新的颜色直方图 中 ,计算落在每一颜色向量上的像素点的个数占整 个像素点的比重. 假设 km = { ( r i m , g j m , b k m ) } i, j, k = 0, …, 7表示目标颜色 参考模型 , kt = { ( r i x t , g j x t , b k x t ) }i, j, k = 0, …, 7表示 t时刻粒 子 x所表示区域的颜色模型 ,则两者的相似度可以 用欧几里德距离表示 : ρ( km , kx t ) = [ ∑ 7 i =0 ∑ 7 j=0 ∑ 7 k =0 ( ( r i m - r i x t ) 2 + ( g i m - g j x t ) 2 + ( b k m - b k x t ) 2 ) ] 1 2 . (7) · 091 · 智 能 系 统 学 报 第 3卷 © 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net