人机交互中的人体目标跟踪算法

摘要/Abstract

摘要：

摘要：针对机器人在与人交互过程中对指定人体目标的跟踪容易受到周围其他人体干扰的问题，提出了一种人机交互中的人体目标跟踪算法.将所有干扰区域看作候选目标，通过建立基于重叠率的粒子分布模型，确保粒子集可以通过均值偏移收敛到所有的候选目标,并减少粒子数量.以权重距离总误差和目标尺寸作为聚类条件，将粒子划分到相应的候选目标粒子集中，最后选择最优的候选目标作为跟踪结果.实验结果表明：该算法能够避免周围相似物体的干扰并准确跟踪目标，具有较好的鲁棒性和实时性.

关键词: 粒子滤波, 均值偏移, 粒子聚类, 目标跟踪, 人机交互

Abstract:

Abstract： Proposed in this paper is a human object tracking algorithm for HRI (Humanrobot interaction) as a solution to the interference by similar human objects when a robot is tracking a specified human object. In the proposed algorithm, all interference regions are regarded as candidate targets, and a particle distribution model based on overlapping rate is established to make particles converge to all candidate targets via a mean shift with a reduced number. Then, by taking the total error of weight distance and the target size as the clustering conditions, particles are divided into corresponding candidate target particles, and the best candidate target is selected as the tracking result. The experimental results show that the proposed algorithm can track targets accurately in the presence of surrounding similar objects, and it possesses strong robustness and good realtime performance.

Key words: particle filter, mean shift, particle clustering, target tracking, humanrobot interaction

中图分类号:

TP 391

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.

ZHANG Tie，MA Qiongxiong. Human Object Tracking Algorithm for Human-Robot Interaction[J]. Journal of Shanghai Jiaotong University, 2015, 49(08): 1213-1219.

参考文献

［1］Wen L, Cai Z, Lei Z, et al. Robust online learned spatiotemporal context model for visual tracking ［J］. IEEE Transactions on Image Processing，2014，23(2)：785796.

［2］Ning J, Zhang L, Zhang D, et al. Robust meanshift tracking with corrected backgroundweighted histogram ［J］. Computer Vision, IET，2012，6(1)：6269.

［3］Nejhum S M S, Ho J, Yang M. Online visual tracking with histograms and articulating blocks ［J］. Computer Vision and Image Understanding，2010，114(8)：901914.

［4］张笑微，周建雄，师改梅，等. 融合结构信息的粒子滤波均值偏移跟踪算法［J］. 计算机辅助设计与图形学学报，2008，20(12)：15831589.

ZHANG Xiaowei，ZHOU Jianxiong，SHI Gaimei，et al. Fusion of structural information in object tracking using particle filter and mean shift ［J］. Journal of ComputerAided Design & Computer Graphics，2008，20(12)：15831589.

［5］麦新晨，杨明，王春香，等. 一种基于多传感器融合的车辆检测与跟踪方法［J］. 上海交通大学学报，2011，45(7)：10121016.

MAI Xinchen，YANG Ming，WANG Chunxiang，et al. Multisensor fusion based vehicle detection and tracking method ［J］. Journal of Shanghai Jiaotong University，2011，45(7)：10121016.

［6］Chia Y S，Kow W Y，Khong W L，et al. Kernelbased object tracking via particle filter and mean shift algorithm ［C］∥ Proceedings of 2011 11th International Conference on Hybrid Intelligent Systems (HIS). Melacca：IEEE，2011：522527.

［7］文志强，朱艳辉，彭召意. 粒子滤波目标跟踪中的有效粒子数控制方法［J］. 控制与决策，2013，28(9)： 13491354.

WEN Zhiqiang，ZHU Yanhui，PENG Zhaoyi. Control method of effective particle number in particle filter object tracking ［J］. Control and Decision，2013，28(9)：13491354.

［8］Chu H，Xie Z，Nie X，et al. Particle filter target tracking method optimized by improved mean shift ［C］∥ Proceedings of Information and Automation (ICIA), 2013 IEEE International Conference on. Yinchuan：IEEE，2013：991994.

［9］Kejia B. Particle filter tracking with Mean Shift and joint probability data association ［C］∥Proceedings of Image Analysis and Signal Processing (IASP), 2010 International Conference on. Xiamen: IEEE, 2010： 607612.

［10］Shan C, Tan T, Wei Y. Realtime hand tracking using a mean shift embedded particle filter ［J］. Pattern Recognition，2007，40(7)：19581970.

［11］Arulampalam M S，Maskell S, Gordon N, et al. A tutorial on particle filters for online nonlinear/nonGaussian Bayesian tracking ［J］. IEEE Transactions on Signal Processing，2002，50(2)：174188.

［12］余孟泽，刘正熙，骆键，等. 基于改进粒子滤波的鲁棒目标跟踪算法［J］. 光电子·激光，2011，22(5)：766771.

YU Menze，LIU Zhengxi，LUO Jian，et al. Robust object tracking algorithm based on improved particle filter ［J］. Journal of Optoelectronics·Laser，2011，22(5)：766771.

［13］Comaniciu D，Ramesh V，Meer P. Kernelbased object tracking ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2003，25(5)：564577.

［14］SPEVI. Surveillance Performance Evaluation Initiative ［EB/OL］.［20140310］. http:∥www.eecs. qmul.ac.uk/~ andrea/spevi.html.

[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]	高红莲, 尤杰, 曹松银. 基于PF-UKF组合滤波的SINS/GPS组合导航系统空中对准方法[J]. 上海交通大学学报, 2022, 56(11): 1447-1452.
[3]	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.
[4]	李勇, 张梦骏, 仇栋, 范云锋, 苏智勇, 邱令存. 数据驱动的指控系统增强现实电子沙盘设计与开发[J]. 空天防御, 2021, 4(2): 27-.
[5]	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.
[6]	毕晓君，胡菘益. 基于混合引导策略的高精度萤火虫优化粒子滤波算法[J]. 上海交通大学学报（自然版）, 2019, 53(2): 232-238.
[7]	孙一奇，吴爱国，董娜，邵一哲. 基于粒子滤波与改进GVF Snake的人手跟踪算法[J]. 上海交通大学学报（自然版）, 2018, 52(7): 801-807.
[8]	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.
[9]	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.
[10]	赵国旗a,b，杨明a,b，王冰a,b，王春香c. 基于智能终端的移动机器人室内外无缝定位方法[J]. 上海交通大学学报（自然版）, 2018, 52(1): 13-19.
[11]	徐志宇, 吴志良, 余有灵. 人机可交互的水冷式温控实验系统设计[J]. 实验室研究与探索, 2017, 36(5): 53-56.
[12]	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.
[13]	李雄杰1,2，周东华2. 混杂系统故障诊断的粒子滤波器方法[J]. 上海交通大学学报（自然版）, 2015, 49(06): 849-854.
[14]	曹洁a,b，李玉琴a，吴迪b. 基于改进差分进化的高精度粒子滤波算法[J]. 上海交通大学学报（自然版）, 2014, 48(12): 1714-1720.
[15]	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.