基于颜色与形状的自适应信息融合鱼目标跟踪

　　摘要：针对鱼目标的跟踪，提出一种基于颜色和形状的粒子滤波算法。该算法在颜色和形状的特征上分别建立模型，用来区分不同颜色和大小的鱼，在建立的形状模型中采用仿射变换解决鱼的部分形变问题，最后通过民主融合策略来提高算法的鲁棒性。运用鱼的运动模型进行了实验，结果表明，该方法有效的解决了鱼在较为复杂的背景下的平面旋转及部分遮挡的问题。
　　关键词：鱼；粒子滤波；跟踪
　　中图分类号：TP391文献标识码：A文章编号：1009-3044(2011)07-1622-03
　　鱼在封闭环境下对于一些刺激会表现出一系列的反应和行为。例如：在竞争有限的食物时，对其它的鱼会表现出明显的侵略性，在生病或者是奄奄一息时游动的速度和反应会变慢。对于鱼的饲养者而言如果能更好的了解鱼的生理习性，能够及时发现处于生病时期的鱼，那么对于鱼产量的提高就是大有裨益。通过应用视觉跟踪技术来研究生物体宏观的运动情况，例如：老鼠的跑动[1-2]、中风病人肢的运动[3-4]等，可定量分析生物体在某些生理活动过程中的运动机能水平。在跟踪鱼的过程中，通过测定鱼目标的运动水平参数、辨别鱼目标的行为类型，就可以得到鱼目标某些运动机能水平的现状、或者得到其在某些病理条件下运动机能水平的改变和损伤情况、以及愈后的恢复情况。本文采用基于颜色和形状的粒子滤波算法来对鱼缸中的鱼进行跟踪。粒子滤波跟踪算法在处理非线性、非高斯问题上具有突出的能力，对于鱼非线性的运动方式有较好的跟踪效果。同时，由于运用了颜色与形状的双重信息很好地解决了鱼在平面上旋转的问题，以及在稳定的光照条件下发生的短暂遮挡的问题，具有较高的鲁棒性。
　　1 粒子滤波
　　粒子滤波是一种通过非参数化蒙特卡洛模拟来实现贝叶斯滤波理论的算法，适用于非线性非高斯模型描述的动态系统。其实质是在状态空间中寻找一组样本（即粒子）{