文摘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。
