Python 实现粒子滤波
1 #转2 # -*- coding=utf-8 -*-
3 # 直接运行代码可以看到跟踪效果
4 # 红色的小点代表粒子位置
5 # 蓝色的大点表示跟踪的结果
6 # 白色的方框表示要跟踪的目标
7 # 看懂下面两个函数即可
8 from numpy import *
9 from numpy.random import *
10
11 def resample(weights):
12 n = len(weights)
13 indices = []
14 # 求出离散累积密度函数(CDF)
15 C = [0.] + [sum(weights[:i+1]) for i in range(n)]
16 # 选定一个随机初始点
17 u0, j = random(), 0
18 for u in [(u0+i)/n for i in range(n)]: # u 线性增长到 1
19 while u > C[j]: # 碰到小粒子，跳过
20 j+=1
21 indices.append(j-1) # 碰到大粒子，添加，u 增大，还有第二次被添加的可能
22 return indices # 返回大粒子的下标
23
24 def particlefilter(sequence, pos, stepsize, n):
25 \'\'\' sequence: 表示图片序列
26 pos： 第一帧目标位置
27 stepsize： 采样范围
28 n: 粒子数目
29 \'\'\'
30 seq = iter(sequence)
31 x = ones((n, 2), int) * pos # 100 ``aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa~!aa个初始位置(中心)
32 f0 = seq.next()[tuple(pos)] * ones(n) # 目标的颜色模型， 100 个 255
33 yield pos, x, ones(n)/n # 返回第一帧期望位置(expectation pos)，粒子(x)和权重
34 for im in seq:
35 # 在上一帧的粒子周围撒点, 作为当前帧的粒子
36 x += uniform(-stepsize, stepsize, x.shape)#uniform()随机生成函数
37 # 去掉超出画面边框的粒子
38 x = x.clip(zeros(2), array(im.shape)-1).astype(int)
39 f = im[tuple(x.T)] # 得到每个粒子的像素值
40 w = 1./(1. + (f0-f)**2) # 求与目标模型的差异, w 是与粒子一一对应的权重向量
41 # 可以看到像素值为 255 的权重最大(1.0)
42 w /= sum(w) # 归一化 w
43 yield sum(x.T*w, axis=1), x, w # 返回目标期望位置，粒子和对应的权重
44 if 1./sum(w**2) < n/2.: # 如果当前帧粒子退化:
45 x = x[resample(w),:] # 根据权重重采样, 有利于后续帧有效采样
46
47 if __name__ == "__main__":
48 from pylab import *
49 from itertools import izip
50 import time
51 ion() # 打开交互模式
52 seq = [ im for im in zeros((20,240,320), int)] # 创建 20 帧全 0 图片
53 x0 = array([120, 160]) # 第一帧的框中心坐标
54
55 # 为每张图片添加一个运动轨迹为 xs 的白色方块(像素值是255, 每帧横坐标加3,竖坐标加2)
56
57 xs = vstack((arange(20)*3, arange(20)*2)).T + x0 # vstack: 竖直叠加
58 for t, x in enumerate(xs): # t 从 0 开始， x 从 xs[0] 开始，enumerate 函数用于遍历序列中的元素以及它们的下标
59 # slice 的用法也很有意思，可以很方便用来表示被访问数组seq的下标范围
60 xslice = slice(x[0]-8, x[0]+8)
61 yslice = slice(x[1]-8, x[1]+8)
62 seq[t][xslice, yslice] = 255
63
64 # 跟踪白框
65 for im, p in izip(seq, particlefilter(seq, x0, 8, 100)): #
66 pos, xs, ws = p
67 position_overlay = zeros_like(im)
68 position_overlay[tuple(pos)] = 1
69 particle_overlay = zeros_like(im)
70 particle_overlay[tuple(xs.T)] = 1
71 hold(True)
72 draw()
73 time.sleep(0.3)
74 clf() # Causes flickering, but without the spy plots aren\'t overwritten
75 imshow(im,cmap=cm.gray) # Plot the image spy(position_overlay, marker=\'.\', color=\'b\') # Plot the expected position spy(particle_overlay, marker=\',\', color=\'r\') # Plot the particles show()
76
以上是 Python 实现粒子滤波 的全部内容， 来源链接： utcz.com/z/388081.html
