买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网江苏省电力有限公司电力科学研究院;江苏省电力试验研究院有限公司

摘要：本发明提供了一种适用于四足机器人巡检的人体目标识别跟踪方法，实现四足机器人移动过程中相机剧烈颠簸下达到快速稳定地人体目标识别跟踪，主要由观测模型和运动模型构成，一方面通过观测模型的分类检测器进行行人类别的检测，再通过目标识别器进行目标人的识别；另一方面通过运动模型的高斯运动模型传递粒子覆盖追踪目标，可以解决人体目标被遮挡问题，再通过特征点跟踪模型进行粒子运动状态预测，降低由于相机抖动造成的画面跃迁时跟踪漂移的概率。

主权项：1.一种适用于四足机器人巡检的人体目标识别跟踪方法，在粒子滤波的框架下进行人体目标识别跟踪，其特征在于，所述方法包括以下步骤：S1：初始化：从视频帧中获取人体目标的初始状态Xt-1，t时刻的粒子集合为由Xt-1以迭代的方式生成，其中Ns表示粒子数目；S2：目标状态预测：运动模型采用高斯运动模型及特征点跟踪模型结合的方式完成目标状态预测，高斯运动模型传递粒子覆盖追踪目标，解决人体目标被遮挡问题；特征点跟踪模型进行粒子运动状态预测，降低由于相机抖动造成的画面跃迁时跟踪漂移的概率；S3：系统观测：观测模型采用分类检测器及目标识别器结合的方式完成对目标人位置估计；通过观测模型的分类检测器进行行人类别的检测，再通过目标识别器进行目标人的识别，完成目标人位置估计；S4：重采样：通过观测模型得到粒子的权重，经过归一化权重后进行重采样，对分类器模板进行更新，得到当前时刻的最终粒子集；S5：目标跟踪结果：根据最终粒子集计算每个目标状态，并加权平均得到目标跟踪结果；检查下一时刻的信息是否到达，若是，返回步骤S2，并把最终粒子集作为下一次滤波过程的输入；否则，目标跟踪过程结束；所述分类检测器用于检测出行人的概率，采用基于HOG特征和SVM分类器的行人检测算法，将每个粒子对应的图像块统一为64×128像素块大小，然后提取像素块的HOG特征，将其输入预先训练好的SVM分类器，得到每个粒子的分类器得分，最后把得分经过非极大值抑制处理得到最终结果；所述目标识别器用来精准识别目标人，包括：1模板池准备：首先根据目标人的身份描述标识搜索存储空间中是否已经存在模板，若存在，则直接从存储空间里读取模板；若不存在，则进行在线准备，将出现目标人的画面作为模板池的第一个模板，后续通过识别确定的目标人丰富模板池；起始模板Tinit从目标人的视频中每隔s秒收集若干帧图像，即其中Ni表示起始的模板数量；2特征描述子：通过提取通道直方图特征作为粒子的特征描述子，将t时刻的图像的LUV色彩空间、梯度幅值和六方向0°、30°、60°、90°、120°、150°上的梯度直方图，在所述LUV色彩空间三通道上直接提取粒子对应的像素块上的直方图特征，所述六方向的梯度直方图通道则将每个方向通道对应像素块的像素值求和；若分别表示粒子的LUV色彩空间三通道直方图特征，第j个像素小块的方向梯度直方图特征为则t时刻的第i个粒子特征描述可表示为前三个部分描述色彩信息，后N个描述局部轮廓信息；3模板匹配：使用巴氏距离Bhattacharyya衡量粒子与模板之间的匹配相似度，距离定义为其中C为候选粒子，T为模板，分别表示候选粒子与模板的第i个特征组分，函数b·表示两个向量间的巴氏距离；因此候选粒子C与起始模板Tinit之间的距离为dC,Tinit＝min{dC,Ti}，取候选粒子与起始模板间距离的最小值，类似的，候选粒子C与当前模板Tcurr之间的距离则为dC,Tcurr＝min{dC,Ti}，Ti∈Tcurr；而候选C与整个模板池的距离定义为其与两个时刻模板距离的加权和，γ表示目标检测器更倾向于信任哪个时刻的模板，如式5所示：d＝γdC,Tinit+1-γdC,Tcurr5。

全文数据：

权利要求：

百度查询： 国网江苏省电力有限公司电力科学研究院 江苏省电力试验研究院有限公司 一种适用于四足机器人巡检的人体目标识别跟踪方法