基于多特征融合的改进UPF目标跟踪算法

摘要/Abstract

摘要：

摘要：针对单特征目标跟踪算法的鲁棒性较差以及不能充分利用最新的量测信息等问题，提出了一种基于多特征融合的改进UPF(Unscented Particle Filter)跟踪算法.基于比例最小偏度单形采样策略的UKF(Unscented Kalman Filter)算法和IKF(Iterated Kalman Filter)算法对粒子滤波算法进行改进，并在改进的算法框架下，采用不确定性度量方法融合目标的颜色和纹理特征,对目标进行跟踪.仿真实验表明，改进算法提高了跟踪精度，对复杂背景下的目标进行跟踪有较好的效果，并能有效跟踪被遮挡的目标.

关键词: 目标跟踪, 比例最小偏度单形采样, UPF算法, IKF算法, 多特征融合, 不确定性度量

Abstract:

Abstract： To solve the robustness problem and poor use of the latest measurement information in object tracking with single feature, this paper proposed an improved UPF tracking algorithm based on multifeature fusion. First, the algorithm was improved by using the UPF algorithm with the scaled minimal skew simplex sampling strategy and the IKF algorithm. Then, the uncertain measurement method was adopted to fuse the color and texture features of the object and track the object with the framework of the improved algorithm. The simulation results show that the proposed algorithm improves the tracking accuracy, has a better effect on tracking the object under complex scenes accurately and tracks the occluded object effectively.

Key words: object tracking, scaled minimal skew simplex sampling, unscented particle filter(UPF) algorithm, iterated Kalman filter(IKF) algorithm； multiple features fusion, uncertainty measurement

中图分类号:

TP 391.41

李晓旭1，戴彬1，曹洁1,2. 基于多特征融合的改进UPF目标跟踪算法[J]. 上海交通大学学报（自然版）, 2014, 48(10): 1473-1478.

LI Xiaoxu1,DAI Bin1,CAO Jie1,2. An Improved UPF Object Tracking Algorithm Based on Multi-Feature Fusion[J]. Journal of Shanghai Jiaotong University, 2014, 48(10): 1473-1478.

参考文献

［1］侯志强，韩崇昭.视觉跟踪技术综述［J］. 自动化学报,2006, 32(4):603675.

HOU Zhiqiang, HAN Chongzhao. A survey of visual tracking［J］. Acta Automatica Sinica, 2006, 32(4):603675.

［2］Gordon N，Salmond，Smith A. Novel approach to nonlinear/nonGaussian Bayesian state estimation［J］. Proceeding of Institute Electric Engineering, 1993, 140(2):107113.

［3］胡振涛，潘泉，杨峰. 将粒子残差一致性度量的滤波算法用于纯方位被动跟踪［J］. 红外与毫米波学报, 2010,29(1): 7580.

HU Zhentao, PAN Quan, YANG Feng. Applying the filtering algorithm with particle residual consistency measure to bearingsonly passive tracking［J］. Journal of Infrared and Millimeter Waves, 2010,29(1): 7580.

［4］王晓,韩崇昭. 基于混合采样的多模型机动目标跟踪算法［J］. 自动化学报, 2013,39(7):11521156.

WANG Xiao, HAN Chongzhao. A multiple model particles filter for maneuvering target tracking based on composite sampling［J］. Acta Automatica Sinica, 2013,39(7):11521156.

［5］王慧斌,陈哲,王鑫,等. 基于随机有限集的UPFCPHD多目标跟踪［J］. 通信学报, 2012,33(12):147153.WANG Huibin, CHEN Zhe, WANG Xin,et al. Random finite sets based UPFCPHD multiobject tracking［J］. Journal on Communications, 2012,33(12):147153.

［6］程水英，余莉.迭代无味卡尔曼滤波器的算法实现与应用评价［J］. 系统工程与电子技术, 2011,33(11):25462553.

CHENG Shuiying, YU Li. Algorithm realization and its application evaluation of the iterated unscented Kalman filter［J］. Systems Engineering and Electronics, 2011,33(11):25462553.

［7］Julier S J. The scaled unscented transformation［C］∥Proceedings of the American Control Conference. Anchorage Alaska, USA: American Automatic Control Council,2002: 45554559.

［8］潘泉，杨峰，叶亮,等.一类非线性滤波器—UKF综述［J］. 控制与决策, 2005,20(5):481489.

PAN Quan, YANG Feng, YE Liang, et al. Survey of a king of nonlinear filtersUKF［J］.Control and Decision, 2005,20(5):481489.

［9］李鹏，宋申民，陈兴林，等. 基于迭代sigma点粒子滤波的再入目标跟踪［J］. 吉林大学学报(工学版), 2009, 39(6):15851589.

LI Peng, SONG Shenmin, CHEN Xinglin, et al. Iterative sigma point particle filter in target tracking on reentry［J］. Journal of Jilin University (Engineering and Technology Edition), 2009, 39(6):15851589.

［10］顾鑫，王海涛，汪凌峰，等.基于不确定性度量的多特征融合跟踪［J］. 自动化学报, 2011, 37(5):550559.

GU Xin, WANG Haitao, WANG Lingfeng, et al. Fusing multiple features for object tracking based on uncertainty measurement［J］. Acta Automatica Sinica, 2011, 37(5):550559.

［11］Fisher R. Caviar test case scenarios［DB/OL］.［20110915］(20131121).http://groups.inf.ed.ac.uk/vision/Caviar/Caviardata1/

[1]	黄鹤, 吴琨, 李昕芮, 王珺, 王会峰, 茹锋. 自适应插值飞蛾扑火优化的多特征粒子滤波车辆跟踪算法[J]. 上海交通大学学报, 2022, 56(2): 143-155.
[2]	何子述, 苏洋, 程婷. 基于共址MIMO雷达组网系统的机会协同目标跟踪方法[J]. 空天防御, 2022, 5(1): 6-11.
[3]	侯煜冠, 韩远鹏, 谢金月, 毛兴鹏. 基于SDE模型的雷达组目标角度跟踪方法[J]. 空天防御, 2021, 4(1): 41-46.
[4]	陈晓,李亚安,李余兴,蔚婧. 基于距离加权的概率数据关联机动目标跟踪算法[J]. 上海交通大学学报（自然版）, 2018, 52(4): 474-479.
[5]	李坦坦，雷明. 基于启发式逻辑的概率假设密度滤波高效航迹起始方法[J]. 上海交通大学学报（自然版）, 2018, 52(1): 63-69.
[6]	李家强1a,2，赵春艳1b,2，陈金立1a,1b，赵荣华1b,2. WGS-84坐标系下改进的广义最小二乘配准算法[J]. 上海交通大学学报（自然版）, 2016, 50(05): 771-775.
[7]	张铁，马琼雄. 人机交互中的人体目标跟踪算法[J]. 上海交通大学学报（自然版）, 2015, 49(08): 1213-1219.
[8]	刘士荣1,2，吴楚1,3，张波涛1,2，章海兵1,2. 基于极线约束SIFT特征和粒子滤波的目标跟踪算法[J]. 上海交通大学学报（自然版）, 2014, 48(07): 1026-1032.
[9]	贾松敏1,王爽1,王丽佳1,2,李秀智1. CTF定位策略下基于多特征的智能机器人目标跟踪[J]. 上海交通大学学报（自然版）, 2014, 48(07): 1039-1045.
[10]	陈东岳，陈宗文. 基于特征显著性的均值漂移鲁棒目标跟踪[J]. 上海交通大学学报（自然版）, 2013, 47(11): 1807-1812.
[11]	张铁栋, 万磊, 王博, 曾文静. 基于改进粒子滤波算法的水下目标跟踪 [J]. 上海交通大学学报（自然版）, 2012, 46(06): 943-948.
[12]	王鹏, 李平康, 余俊, 尹长志. 一种多宿主机构架的xPC实时仿真系统[J]. 上海交通大学学报（自然版）, 2011, 45(08): 1181-1185.
[13]	郝燕玲，孟凡彬,王素鑫，孙枫. 一种新的多机动目标跟踪的GMPHD滤波算法[J]. 上海交通大学学报（自然版）, 2010, 44(07): 873-0877.