基于分层特征描述子的移动机器人行人目标跟踪

作     者：卢迎彬 

作者单位：北京工业大学 

学位级别：硕士

导师姓名：贾松敏

授予年度：2016年

学科分类：080202[工学-机械电子工程] 08[工学] 080203[工学-机械设计及理论] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 

主      题：行人目标跟踪 自适应带宽核函数 压缩感知的尺度不变特征变换 Contourlet变换的尺度不变特征变换 分层特征描述子 

摘      要：随着机器人技术的成熟,越来越多类型的智能服务机器人融入到人类的日常生活中,行人目标识别和跟踪技术也逐渐成为机器人的关键技术。但是智能服务机器人在实际行人目标识别和跟踪过程中常出现目标遮挡、形变、光照变化等问题,因此本研究提出一种基于分层特征描述子的移动机器人行人目标跟踪算法,同时设计一套可视化的图形用户界面。最后,在配置有双目立体视觉系统的Pioneer3-DX机器人平台进行验证。主要工作有如下几方面:(1)基于自适应带宽核函数的Cam-Shift算法针对传统自适应均值漂移(Cam-Shift)算法存在的核函数带宽固定、无法解决目标形变等问题,本研究提出了基于自适应带宽核函数的Cam-Shift行人跟踪算法。该算法在传统Cam-Shift算法的基础上,利用上一帧SIFT特征获取的目标尺度和旋转对核函数带宽以及搜索窗口进行矫正,增强对目标旋转和形变的鲁棒性,同时减少均值漂移的迭代次数,提高算法的实时性。(2)基于压缩感知的SIFT特征匹配算法为解决尺度不变特征变换(Scale Invariant Feature Transform SIFT)特征匹配时维度过高造成实时性差的问题,本研究提出了一种基于压缩感知的SIFT特征描述算法。首先,对生成的128维SIFT特征向量利用小波变换基矩阵实现稀疏化;然后通过稀疏随机矩阵进行投影,实现对128维特征向量的降维,进而降低算法复杂度,使系统实时性得到显著提高。(3)基于Contourlet变换的SIFT特征匹配算法传统SIFT特征描述子对关键点邻域内颜色梯度进行运算,丢弃了关键点在整幅图像结构中位置的相对性,因此区分局部相似区域的能力较差。针对上述问题,本研究提出一种基于Contourlet变换的SIFT特征匹配算法。首先计算关键点邻域内的梯度幅值和主方向;然后对关键点以及邻域进行Contourlet变换,获得各方向子带分解系数,最后计算其均值和标准差构建关于全局纹理的描述向量,增强描述子对局部相似区域的描述能力,提高跟踪算法的准确性。(4)基于分层特征描述子的行人目标描述为了增强特征对目标人体的描述能力,本研究提出了一种分层特征的行人目标描述机制。通过全局头肩或者颜色特征作为行人目标外层特征,确定感兴趣区域。在外层感兴趣区域内,根据局部相似度选择不同的SIFT特征实现对行人目标的精确描述。通过融合全局与局部特征,进一步增强对行人目标的描述能力,提高复杂环境下移动机器人跟踪系统的鲁棒性。当行人目标尺度或者方向发生变化时,根据内层SIFT特征匹配结果校正外层特征目标描述;当目标人体出现短暂遮挡或者形变时,局部特征模板库的在线更新策略保证了内层特征的稳定性;当行人目标被完全遮挡时,利用EKF滤波预测目标运动状态,解决了行人目标完全遮挡情况下的跟踪问题。实验结果表明,基于自适应带宽核函数的Cam-Shift算法实现了对不同位姿人体的跟踪;基于压缩感知的SIFT特征匹配算法,有效提高了系统的实时性;基于Contourlet变换的SIFT特征匹配算法,增强特征点对目标描述能力的同时提高了算法的实时性;行人目标的分层特征描述,有效地结合了目标的全局与局部特征,增强了跟踪系统的鲁棒性,使机器人跟随运动人体更加稳定、高效。