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：西安长地空天科技有限公司

摘要：本发明提供了一种使用粒子滤波算法对激光断点跟踪方法，包括建立状态空间模型、初始化目标与粒子、相似性度量、权值更新、断点状态确定和重采样判断6个步骤；采用动态状态空间模型来描述断点监测，时变问题的动态状态空间模型包括状态转移模型和观测模型，确定动态状态空间模型；对断点目标及样本粒子进行初始化操作；通过相似性度量对粒子权值进行更新，各个粒子拥有不同的权值；基于粒子滤波算法，根据目标区域特征的观测似然函数获取粒子更新权值；利用具有不同权值的粒子对其进行修正，对断点状态进行递归预测和更新，确定断点的状态。本发明是对视屏中的激光断点进行实时检测，从而对滑坡进行实时预警，跟踪过程准确、稳定和实时。

主权项：1.一种使用粒子滤波算法对激光断点跟踪方法，其特征在于，包括以下步骤：S1：建立状态空间模型采用动态状态空间模型来描述断点监测，时变问题的动态状态空间模型包括状态转移模型和观测模型，确定动态状态空间模型；所述步骤S1包括以下步骤：S101：状态转移模型将连续的视频图像帧看作对应时刻的连续时间序列，断点的状态便随着时间的推移不断地更新，采用自回归模型或随机游走模型；1随机游走模型随机游走模型指目标在下一时刻的位置是无法预测的，随机游走模型的状态转移方程可定义为：xk＝xk-1+vk-11其中：xk是目标在k时刻的状态；vk-1是k-1时刻的过程噪声；2自回归模型自回归模型根据系统当前状态于历史状态的关系，建立回归方程对目标状态进行预测，其运动模型可定义如下：xk＝a1xk-1+a2xk-2+…+anxk-m+vk-12其中：xk是目标在k时刻的状态；vk-1是k-1时刻的过程噪声；a1，a2，...，an为回归系数；S102：观测模型利用跟踪目标的特征建立观测模型，通过观测模型对预测位置进行修正和更新；其中跟踪目标的特征包括颜色特征、边缘特征和纹理特征；S2：初始化目标与粒子对断点目标及样本粒子进行初始化操作；S3：相似性度量通过相似性度量对粒子权值进行更新，各个粒子拥有不同的权值；所述步骤S3具体是：假设参考目标和候选目标的离散概率分布模型分别为pu和qu，则Bhattacharyya系数可通过下式计算： 其中pu和qu均为归一化后的值；ρ的取值范围为0-1；Bhattacharyya距离巴氏距离计算公式： S4：权值更新基于粒子滤波算法，根据目标区域特征的观测似然函数获取粒子更新权值；所述步骤S4具体是：目标区域颜色特征的观测似然函数记为： 目标区域边缘特征的观测似然函数记为： 基于颜色和边缘特征的粒子权值分别为： 其中，k表示帧数，i表示第i个粒子；采用颜色特征与边缘特征的线性融合的方式，由颜色特征与边缘特征确定的最终权值为： 归一化粒子权值： 也可采用乘性融合策略，融合颜色和边缘特征的粒子权值为： 然后，归一化权值： S5：断点状态的确定利用具有不同权值的粒子对其进行修正，对断点状态进行递归预测和更新，确定断点的状态；所述步骤S5具体是：对于断点状态的确定，利用具有不同权值的粒子对其进行修正，具体采用以下三种准则用来确定断点的最终状态：1最大后验准则将后验粒子中权值最大的粒子所代表的状态作为断点的最终状态，具体如下： 2整体加权准则考虑每个候选粒子对状态估计的贡献，对所有的粒子加权求和所得的结果作为目标的最终估计状态； 3局部加权准则以权值最大的粒子为中心，在一定的半径范围以内选组选取M个粒子进行加权，计算公式如下式所示，其中M≤N： S6：重采样判断采用粒子滤波算法进行重采样，减小权值较小的粒子，同时增大权值较大的粒子，从而对后验概率密度进行修正。

全文数据：

权利要求：

百度查询： 西安长地空天科技有限公司 一种使用粒子滤波算法对激光断点跟踪方法