改进协方差矩阵的智能车视觉目标跟踪方法

来源：计算机工程与应用杂志2019年第3期北京时间：

作者：刘红星1，2，胡广地1，朱晓媛1，李进龙3

单位：1.西南交通大学 汽车研究院，成都 610031；2.西南交通大学 电气工程学院，成都 610031；3.西南交通大学 交通运输与物流学院，成都 610031

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