基于自適應粒子濾波的無人機目標跟蹤算法研究

王娜　汪振東　屈喜琴

摘要：隨著人工智能技術的發展以及數字圖像處理技術的應用日漸普及，目標跟蹤成為國內外學者的研究熱點，該文針對無人機目標跟蹤易受遮擋、形變、等復雜背景的干擾導致跟蹤失敗等問題提出一種基于自適應的粒子濾波的無人機目標跟蹤算法。實驗結果表明，該算法能有效地減少因復雜因素干擾導致的目標跟蹤精度下降的問題，具有良好的魯棒性。

關鍵詞：自適應融合;粒子濾波算法;無人機;目標檢測;目標跟蹤

中圖分類號：TP273+.2 文獻標識碼：A

文章編號：1009-3044（2020）09-0255-02

目標跟蹤算法主要應用于無人機目標檢測及追蹤、制造業的精確物料查找、文檔分析、醫療器械、導彈制導等領域。雖然目標跟蹤算法在近幾年來得到了飛速的發展[2]目前，主流的目標跟蹤算法通常可分為兩種類別：生成式方法和判別式方法，判別式方法通常會利用自適應算法生成一個分類器，該分類器將目標圖像分割成目標本身和背景兩部分，將目標識別變成一個目標與背景的二元分類問題，該算法可以良好的區分目標和背景信息，具有良好的判別能力，典型的判別式方法有：MOSSE算法和KCF算法[5]。生成式方法是在跟蹤前用數字處理器生成一個目標圖像模型，該模型具備跟蹤目標的詳細信息，然后根據建立好的模型搜索最符合標準的目標信息，該方法能較好地描述目標信息，但是對外界干擾的魯棒性差，典型的生成式方法是CSK算法。基于以上提出的2種目標跟蹤算法，本文提出了一種基于自適應的粒子跟蹤算法，該算法利用快速傅里葉變換，將卷積后的時域圖像參數輸入粒子濾波算法的密度函數P（X1…Xn）進行采樣分析，最終得到了跟蹤目標的圖像信息，該方法能有效解決目標跟蹤中的各種干擾，有效地提高了目標跟蹤的精度和有效性。

1 自適應特征提取算法

1.1 自適應目標特征屬性分析

在進行目標跟蹤時，目標特征表達的準確性嚴重的影響跟蹤的準確性，選擇單一特征和多維特征在效果上又有明顯的區別。KCF算法使用多通道的高斯核函數來計算和過濾HOG特征，對光照變化和地形變化具有較強的魯棒性，但無法滿足對快速形變后的目標的準確捕獲的要求。Stamp算法開創性的將HOG特征量和顏色直方圖進行耦合，可以有效地克服HOG和KCF的缺點，即提高了目標提取的準確性又減少了數據處理的難度。

根據以上描述，本文結合了Stamp算法的KCF和HOG特征，提出了一種多尺度濾波模型來提升跟蹤的精度。

本文在Stamp模型下分別計算HOG和CN特征下的各自最大輸出響應值，在第t幀圖像下HOG和CN的歸一化權重分別是：

1.2 多維濾波估算

針對式（5）得到的目標位置信息參數Rt無法適應尺度驟變及快速遮擋等問題，Crister等人提出一種可靠精確的尺度濾波估算方法：采用一維高斯濾波器來估算目標尺寸，采用二位卷積濾波器估算目標位置[17]。目標尺度函數為：

3 實驗結果與分析

3.1 實驗環境

本實驗的硬件環境為：Intel酷睿i9 9900K SGHz CPU，IOG內存，RTX 2080Ti高級獨立顯卡。軟件仿真環境為：Mat-lab2018a. Modelsim2016，V C++6.0.

實驗過程中用Matlab2018a和Modelsim2016仿真HOG、CN、Stamp，本文算法，比較其目標提取及跟蹤的效果，利用VC++6.0實現算法的源代碼。

3.2 定量結果分析

使用數據集OTB-50的3種評價方法：趨進函數曲線、精確度函數曲線、成功概率函數曲線對目標跟蹤性能進行定量和定性評估。趨進函數曲線的方差系數設定為0.81標準差系數設定為0.78，精確度函數曲線的方差系數設定為0.78標準差系數設定為0.88，成功率函數曲線的方差系數設定為0.90標準差系數設定為0.76。在如下場景對目標算法進行驗證：光照變化、遮擋變形、快速移動、視野溢出。所得實驗結果如下：其中HOG，CN，Stamp，本算法在各個場景的趨進度，精確度，成功率由Sh，Sc，Ss，Sb表示。

HOG，CN，Stamp，本算法成功率對比：

4 結束語

本文結合CN算法和HOC算法的特征提取方法，在Stamp模型的基礎上提出了一種新的視頻特征提取方法，仿真實驗結果表明：該方法能有效克服周圍復雜環境的影響，并且在無人機飛行的復雜情況下得到較好的視頻跟蹤效果，可以在無人機偏離目標的情況下自動調整并鎖定目標位置，該算法能克服遮擋、光照、快速形變等干擾因素，順利完成目標的跟蹤任務。

參考文獻：

[1]潘振福，朱永利.多尺度估計的核相關濾波器標跟蹤方法[Jl.激光與光電子學進展，2016，53（10）：199-205.

[2]劉錚.自適應顏色直方圖的粒子濾波算法[D].武漢：武漢理工大學，2012.

基金項目：2018年度江西省教育廳科學技術研究項目課題：無人機自穩定細分驅動視覺跟蹤云臺系統的研究（編號：GJJ181157）

作者簡介：王娜（1987-），女，講師，碩士研究生，主要研究方向為智能信息處理。