改进协方差矩阵的智能车视觉目标跟踪方法

摘要：

智能车辆视觉目标具有非线性、噪声分布非高斯性的典型特点,现有算法难以实时估计目标的状态.针对识别物体复杂且多变,很难用完全的特征来描述待识别目标及其背景的不断变化,提出了一种用于融合颜色特征及SURF(Speed-Up Robust Features)特征的协方差矩阵来改进粒子滤波算法,从而提升视觉目标跟踪的实时性,满足智能车辆的要求.首先,对采集的图像进行预处理来获取感兴趣区域.接着,通过融合颜色特征及SURF特征构造范围感兴趣区域(Region Of Interest,ROI)的目标特征协方差矩阵,建立目标状态预测模型及状态观测模型,用于改进粒子滤波算法粒子重采样过程,实现对目标的精确跟踪.最后,将该方法与Mean-shift算法和颜色属性(CN)算法进行对比.实验结果表明,在智能车视觉跟踪过程中对光环境瞬时变化、目标物体存在短时遮挡以及目标物体姿态改变时,该算法在满足智能车辆对实时性要求的前提下,有效提升算法的精确度及鲁棒性.

关键词：视觉目标追踪、粒子滤波算法、协方差矩阵、特征融合

所属期刊栏目：55

分类号：TP391.4(计算技术、计算机技术)

资助基金：四川省科技支撑项目2016GZ0026

在线出版日期：2019-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：171-178