第3期 王绍钰，等：改进的粒子滤波器目标跟踪方法 ·191· 欧几里德距离P(化，k,)的值越小，说明两者相 方图的权值计算公式： 似性越大，反之，两者相似性越小.相似性大的应该 2 , -e9 被赋予较大的权值，得到时刻粒子基于颜色直方 20 图的权值计算公式： e▣ (15) J/2r0 202 3 粒子滤波跟踪器设计 ·e (8) /2I0 20 跟踪器设计的目标是提供目标在每一帧中的准 22边缘直方图 确位置.实时的粒子滤波跟踪器包括2个重要的部 颜色特征能够胜任多数跟踪任务，在部分遮挡 分：目标模型的初始化和贝叶斯滤波的序列蒙特卡 和聚集的情况下也有较好的表现.然而，当背景具有 罗随机跟踪系统.目标模型是进行相似度计算的重 和目标相似的颜色特征时，背景颜色信息会干扰目 要依据，对目标的真实刻画是实现准确跟踪的前提 标跟踪，误把背景当作目标.为了克服此种缺陷，可 31目标模型初始化 以将目标的其他特征与颜色特征结合起来建立观测 目标初始化可以有2种方法，包括离线初始化 模型.采用面向边缘的直方图来统计特定区域的边 和在线初始化，如果事前明确知道需要跟踪的目标， 界信息 则可以提前建立目标模型，在跟踪器运行时，只需找 为了检测边界信息，现将彩色图像转换成灰度 到与此模型相匹配的区域即可，在线的初始化则通 图像.然后，用水平Sobel算子K和垂直Sobel算子 常需要事先检测运动目标，对检测到的运动区域建 K,来检测边缘 立模型，然后才能实施跟踪，在线初始化通常用于只 G(x以=KIxy以， (9) 要出现运动目标就跟踪的情况.本文采用在线的目 G(x以=K1(x,y以. 10) 标模型初始化策略。 则梯度的大小S(xy为 图像的自适应差分运算是检测场景中是否出现 S(x以=NJG(x,以+G(x,以 (11) 运动目标的最简单有效的方法，经过差分计算后的 为了滤除噪声，为S(x,y)设置了阈值T,当 图像能够清晰地表示出目标的轮廓信息，这就确定 S(x以低于T时，令S(xy等于零.将水平分量和 了目标区域.目标的轮廓通常是无规则的曲线，在计 垂直分量归一化： 算机中很难表示，因此，通常使用有规则的图形来标 &=G(x,y以/S(x,y以， (12) 识目标的大致区域，通常使用的有圆形和多边形 8=G(x,以S(x,y以 (13) 事实上，当得到差分结果后，采用数学形态学中 式中：g、g,表示归一化后的水平分量和垂直分量， 腐蚀的方法滤除噪声.对于一个给定的图像B和结 取值范围为0,1)，将其分成k等分，实验中发现， 构元素S,所有与B具有最大相关的结构元素S的 k=时，能够达到很好的跟踪效果.计算落在每一区 当前位置像素的集合称之为S对B的腐蚀，运算符 间上的像素点的个数占整个候选区域像素点个数的 为⊙.表现为数学形式： 比重，一共有个区间.这样，可以很容易得到类似 E=B©S={(x,y以|S∈B}.(16) 于颜色直方图的边缘直方图 在实验中，采用的结构元素为相邻的4个像素点. 假设k={A}-心…2.表示目标边缘直方图参 图1为原始差分图像和经过腐蚀运算滤除噪声后的图 考模型，4，={A,}-a…2.表示时刻粒子x所表示 像的对比，其中右边的图像为滤除噪声后的图像.从图 区域的边缘直方图模型，、A表示落在区间上的 中可以看出，经过腐蚀运算滤除噪声后的图像中的目 像素点的个数占整个候选区域像素点个数的比重」 标边界要比原始差分图像的目标边界精细. 两者的相似度可以用欧几里德距离表示： 知道目标轮廓后，就可以用一个方形来确定目 2.1 标区域)，然后按照第3节中的方法计算此区域内 P,=【∑A-A2产 (14) 的颜色直方图和边缘直方图.这样，目标模型初始化 欧几里德距离P(k,4,)的值越小，说明两者相 工作就完成了 似性越大，反之，两者相似性越小.相似性大的应该 32粒子滤波算法 被赋予较大的权值，得到时刻粒子x基于边缘直 粒子滤波方法是蒙特卡罗方法和贝叶斯方法的 1994-2008 China Academic Journal Electronic Publishing House.All rights reserved.htp://www.cnki.net欧几里德距离 ρ( km , kx t )的值越小 ,说明两者相 似性越大 ,反之 ,两者相似性越小. 相似性大的应该 被赋予较大的权值 ,得到 t时刻粒子基于颜色直方 图的权值计算公式 : px t = 1 2πσ exp d 2 2σ2 = 1 2πσ exp ρ2 ( km , kx t ) 2σ2 . (8) 2. 2 边缘直方图 颜色特征能够胜任多数跟踪任务 ,在部分遮挡 和聚集的情况下也有较好的表现. 然而 ,当背景具有 和目标相似的颜色特征时 ,背景颜色信息会干扰目 标跟踪 ,误把背景当作目标. 为了克服此种缺陷 ,可 以将目标的其他特征与颜色特征结合起来建立观测 模型. 采用面向边缘的直方图来统计特定区域的边 界信息. 为了检测边界信息 ,现将彩色图像转换成灰度 图像. 然后 ,用水平 Sobel算子 Kx 和垂直 Sobel算子 Ky 来检测边缘. Gx ( x, y) = Kx I( x, y) , (9) Gy ( x, y) = Ky I( x, y). (10) 则梯度的大小 S ( x, y)为 S ( x, y) = G 2 x ( x, y) + G 2 y ( x, y) . (11) 为了滤除噪声 , 为 S ( x, y )设置了阈值 T, 当 S ( x, y)低于 T时 ,令 S ( x, y)等于零. 将水平分量和 垂直分量归一化 : gx = Gx ( x, y) /S ( x, y) , (12) gy = Gy ( x, y) /S ( x, y). (13) 式中 : gx、gy 表示归一化后的水平分量和垂直分量 , 取值范围为 [ 0, 1 ],将其分成 k等分 ,实验中发现 , k = 5时 ,能够达到很好的跟踪效果. 计算落在每一区 间上的像素点的个数占整个候选区域像素点个数的 比重 ,一共有 k 2 个区间. 这样 ,可以很容易得到类似 于颜色直方图的边缘直方图. 假设 lm = {A i m } i = 0, …, k 2 - 1表示目标边缘直方图参 考模型 , lx t = {A i x t }i = 0, …, k 2 - 1表示 t时刻粒子 x所表示 区域的边缘直方图模型 , A i m 、A i x t表示落在区间 i上的 像素点的个数占整个候选区域像素点个数的比重. 两者的相似度可以用欧几里德距离表示 : ρ( lm , lx t ) = [ ∑ k 2 - 1 i =0 (A i m - A t x t ) 2 ] 1 2 . (14) 欧几里德距离 ρ( lm , lx t )的值越小 ,说明两者相 似性越大 ,反之 ,两者相似性越小. 相似性大的应该 被赋予较大的权值 ,得到 t时刻粒子 x基于边缘直 方图的权值计算公式 : qx t = 1 2πσ exp d 2 2σ2 = 1 2πσ exp ρ2 ( lm , lx t ) 2σ2 . (15) 3 粒子滤波跟踪器设计 跟踪器设计的目标是提供目标在每一帧中的准 确位置. 实时的粒子滤波跟踪器包括 2个重要的部 分 :目标模型的初始化和贝叶斯滤波的序列蒙特卡 罗随机跟踪系统. 目标模型是进行相似度计算的重 要依据 ,对目标的真实刻画是实现准确跟踪的前提. 3. 1 目标模型初始化 目标初始化可以有 2种方法 ,包括离线初始化 和在线初始化 ,如果事前明确知道需要跟踪的目标 , 则可以提前建立目标模型 ,在跟踪器运行时 ,只需找 到与此模型相匹配的区域即可;在线的初始化则通 常需要事先检测运动目标 ,对检测到的运动区域建 立模型 ,然后才能实施跟踪 ,在线初始化通常用于只 要出现运动目标就跟踪的情况. 本文采用在线的目 标模型初始化策略. 图像的自适应差分运算是检测场景中是否出现 运动目标的最简单有效的方法 ,经过差分计算后的 图像能够清晰地表示出目标的轮廓信息 ,这就确定 了目标区域. 目标的轮廓通常是无规则的曲线 ,在计 算机中很难表示 ,因此 ,通常使用有规则的图形来标 识目标的大致区域 ,通常使用的有圆形和多边形. 事实上 ,当得到差分结果后 ,采用数学形态学中 腐蚀的方法滤除噪声. 对于一个给定的图像 B 和结 构元素 S,所有与 B 具有最大相关的结构元素 S 的 当前位置像素的集合称之为 S对 B 的腐蚀 ,运算符 为 ª. 表现为数学形式 : E = B ª S = { ( x, y) | Sxy Α B } . (16) 在实验中,采用的结构元素为相邻的 4个像素点. 图 1为原始差分图像和经过腐蚀运算滤除噪声后的图 像的对比,其中右边的图像为滤除噪声后的图像. 从图 中可以看出,经过腐蚀运算滤除噪声后的图像中的目 标边界要比原始差分图像的目标边界精细. 知道目标轮廓后 ,就可以用一个方形来确定目 标区域 [ 1 ] ,然后按照第 3节中的方法计算此区域内 的颜色直方图和边缘直方图. 这样 ,目标模型初始化 工作就完成了. 3. 2 粒子滤波算法 粒子滤波方法是蒙特卡罗方法和贝叶斯方法的 第 3期 王绍钰 ,等 :改进的粒子滤波器目标跟踪方法 · 191 · © 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net