一种改进的粒子滤波跟踪算法的应用研究
合集下载
基于改进粒子滤波的视频目标跟踪算法比较分析研究王进花
Key words:object tracking;particle filter;EKPF;UPF
中图分类号:TP391
文献标识码:A
文章编号:1001-9227(2013)-01-0010-04
0引言 视频目标跟踪一直是计算机视觉领域的核心问题，其广泛
应用在视频监控、计算机视觉导航、人机交互等领域[1-2]。视频目 标跟踪算法一般分为两类：确定性跟踪算法与随机性跟踪算 法。确定性跟踪算法归结为能量函数的优化问题，如最为常见 的均值漂移（mean-shift）算法，其有实时性好的优点，但容易收 敛到局部极值，导致目标跟丢[3]。随机性跟踪算法归结为动态系 统的状态估计问题，其中常见的是粒子滤波（particle filter）算 法。视频运动目标的跟踪是一个典型的非线性、非高斯问题，尽 管粒子滤波是一个解决非线性、非高斯的主流方法，但仍有重要 性函数的选择、权值退化与样本枯竭等问题，导致滤波发散。
基于改进粒子滤波的视频目标跟踪算法比较分析研究 王进花，等
基于改进粒子滤波的视频目标跟踪算法比较分析研究*
王进花，付德强，曹 洁，李 军 （兰州理工大学 电气工程与信息工程学院 甘肃兰州，730050）
摘 要:针对标准粒子滤波算法存在的缺陷，本文引入了两种改进的方法，引入最新的量测信息，改进粒子滤波的建
议分布。EKPF 通过引入扩展卡尔曼算法改进粒子分布，UPF 引入无验结果表明，UPF 算法优于扩展卡尔曼粒子滤波算法与标准粒子滤波算法。
关键词:目标跟踪；粒子滤波；EKPF；UPF
Abstract:For the defects of the standard particle filter algorithm, two improved algorithm are proposed, which introduced
一种改进的粒子滤波跟踪算法
费在小权值粒子上 。采用 重采样定理虽然可 以部分解决粒子
些问题 ，它需要很长的运 算时间，难 以满足实时性要求 ，且
存在退化现象 。鉴于 此，本文提 出一种改进 的粒子滤波跟踪 算法 。在传统算法的基础 上，引入均值漂移和积分直方图 ，
退化现象 但粒子的收敛速度仍然很慢。 为 了解决该问题 ， ‘ 本文采用均值 漂移算法皿 Ｊ 。，调整初始
ｎ ａ ｂ ｏ ａ ｅ ｒ ｙ ｌ ｌｍ￣ ｉ ｍ ｏ ｉ ｏ ， ｄ ｔ ｅ ｉ ｔ ｇ ａ ｉｔ ｇ ａ Ｃ ｐ ｅ ｐ ｔ ｅ ｃ ｍｐ ｔ ｇ ｏ ｅ ｈ ｓｏ ｒ ｍ ｆｅ ｃ ａ ｔ ｌ Ｔ ｅ ｓ ｏ ｓ ａ ｄ ｅ ｅ ｔ ｆ ｃ ｍｕ ｐ ｓ ｔ ｎ ａ ｎ ｅ ｒ ｌ ｓｏ ｒ ｍ ａ ｓ ｅ ｄ ｕ ｏ ｕ ｎ ｆｔ ｔ ｇ ａ ｏ ａ ｈ ｐ ｒｉ ｅ ｈ ￣ ｄ ｆ ｃｓ ｏ ｉ ｎ ｈ ｈ ｎ ｈ ｉ ｈ ｉ ｃ ｎ
中 分 号 Ｔ ９ ． 田 类 。 Ｎ １７ １３
种 改进 的粒 子 滤 波跟踪 算 法
柏柯嘉
（ 技术师范学院计算机科学学院 ，广州 ５ ０ 来自 ） 广东 １６５ ■
耍： 传统粒子滤波跟踪算法 的退化现象和 巨大的计算量不利于 其应 用，尤其在实时性 要求较高的视频监控场合 。引入均值漂移算法进
．
ｈ ｄ ｔ ａ ａｔ ｅｔａｋ ｇａｇ ｒ ｈ ａ ｍｐ ｏ ｅ ａ ｄＣ ｍｅ ｔ ｅｎ ｅ ｓｏ ａ— ｔｅｔａ ｉｉｎ ｌｐ ｒｉｌ ｒｃ ｎ ｌｏ ｔ ｍ ｅｉ ｒ ｖ ｄ， ｎ ａ ｅ ｈ ｅ ｄ ｆ ｅ ｌｔｍｅｔａ ｋ ｎ Ｅ ｐ ｒｍｅ ｔ ｌ ｅ ｕ ｔ ｒ ｖ ｅｅ ｅ ｔｖ ｎ ｓ ｆ ｒ ｏ ｃ ｉ ｉ ｒ ｎ ｔ ｒ ｉ ｃ ｇ ｘｅ ｒ ｉ ｉ ｎ ａ ｓ ｌ ｐ ｏ ｅ ｔ ｆ ｃ ｅ ｅ ｓｏ ｒ ｓ ｈ ｉ
些问题 ，它需要很长的运 算时间，难 以满足实时性要求 ，且
存在退化现象 。鉴于 此，本文提 出一种改进 的粒子滤波跟踪 算法 。在传统算法的基础 上，引入均值漂移和积分直方图 ，
退化现象 但粒子的收敛速度仍然很慢。 为 了解决该问题 ， ‘ 本文采用均值 漂移算法皿 Ｊ 。，调整初始
ｎ ａ ｂ ｏ ａ ｅ ｒ ｙ ｌ ｌｍ￣ ｉ ｍ ｏ ｉ ｏ ， ｄ ｔ ｅ ｉ ｔ ｇ ａ ｉｔ ｇ ａ Ｃ ｐ ｅ ｐ ｔ ｅ ｃ ｍｐ ｔ ｇ ｏ ｅ ｈ ｓｏ ｒ ｍ ｆｅ ｃ ａ ｔ ｌ Ｔ ｅ ｓ ｏ ｓ ａ ｄ ｅ ｅ ｔ ｆ ｃ ｍｕ ｐ ｓ ｔ ｎ ａ ｎ ｅ ｒ ｌ ｓｏ ｒ ｍ ａ ｓ ｅ ｄ ｕ ｏ ｕ ｎ ｆｔ ｔ ｇ ａ ｏ ａ ｈ ｐ ｒｉ ｅ ｈ ￣ ｄ ｆ ｃｓ ｏ ｉ ｎ ｈ ｈ ｎ ｈ ｉ ｈ ｉ ｃ ｎ
中 分 号 Ｔ ９ ． 田 类 。 Ｎ １７ １３
种 改进 的粒 子 滤 波跟踪 算 法
柏柯嘉
（ 技术师范学院计算机科学学院 ，广州 ５ ０ 来自 ） 广东 １６５ ■
耍： 传统粒子滤波跟踪算法 的退化现象和 巨大的计算量不利于 其应 用，尤其在实时性 要求较高的视频监控场合 。引入均值漂移算法进
．
ｈ ｄ ｔ ａ ａｔ ｅｔａｋ ｇａｇ ｒ ｈ ａ ｍｐ ｏ ｅ ａ ｄＣ ｍｅ ｔ ｅｎ ｅ ｓｏ ａ— ｔｅｔａ ｉｉｎ ｌｐ ｒｉｌ ｒｃ ｎ ｌｏ ｔ ｍ ｅｉ ｒ ｖ ｄ， ｎ ａ ｅ ｈ ｅ ｄ ｆ ｅ ｌｔｍｅｔａ ｋ ｎ Ｅ ｐ ｒｍｅ ｔ ｌ ｅ ｕ ｔ ｒ ｖ ｅｅ ｅ ｔｖ ｎ ｓ ｆ ｒ ｏ ｃ ｉ ｉ ｒ ｎ ｔ ｒ ｉ ｃ ｇ ｘｅ ｒ ｉ ｉ ｎ ａ ｓ ｌ ｐ ｏ ｅ ｔ ｆ ｃ ｅ ｅ ｓｏ ｒ ｓ ｈ ｉ
一种改进的粒子滤波目标跟踪算法
期 望 的概 率密 度 函数 满足 高斯 分 布 。然 而 ， 际系统 中的模 型 往往 是 非 线性 非 高 斯 的 ， 时 ， 优估 计 很 实 此 最
难实现。近年来提出的粒子滤波是一种基于蒙特卡罗仿真的最优回归贝叶斯滤波算法。它不受线性化误 差和高斯噪声假定的限制 ， 适用 于任何状态转换或测量模型， 在许多重要的实际情况下远远优于其他的滤
在目 标跟踪的方法中， 最常用 的是卡尔曼滤波 （ Ｆ 算法［。该算法系统的动态模型都是线性 ， Ｋ） ２ 】 且噪 声是高斯的条件下是最优解。然而 ， 目标跟踪 中广泛存在着非线性问题 ， 为此人们提出了大量的近似方 法， 中最经典并广泛使用的是扩展卡尔曼滤波（ Ｉ ） 其 Ｅ（ 算法［。该算法需要对模型进行线性化 ， ：０９ ２—１ ２０ —０ １修 ２０ —０ ６
基金项 目： 广东省 自然科学基 金项 目， 茂名市重点科技计划项 目。
作者简介 ： 高欢萍 （９５ ） 女 ， １ 一 ， 山西 吕梁人 ， ８ 在读硕士 ， 事无线传 感器 网络 研究 ； 从 刘美 （９７ ）女 ， １ 一 ， 副教授 ， ６ 博士， 从事智能检测
第２卷 ｏ
第 １ 期
茂 名学 院学报
Ｊ Ｕ Ａ Ｆ ＭＡ Ｏ ＲＮ Ｌ Ｏ ＯＭ Ｇ Ｕ 、 Ｎｒ ＲＳ ⅡＹ
ｖ １２ Ｎ ． ｏ．０ ｏ１
Ｆ ｂ２０ ｅ ｌ ．ｏ ９
２１ ００年 ２月
一
种 改 进 的粒 子 滤 波 目标 跟 踪 算 法
高欢 萍 ， 刘美 杜 永贵‘ ，
Ｌ（ ，） Ｖ ＝∑ ｃ ： ｕ ２ ／． １２ ｉ 口 ， （） １
ｄ ＝ ｌ 一 ｌ ｌ ｌ ２
（） ２
式中， ＝ ｝ｉ ，， 凡 为聚类 中心； Ｖ （ ＝１２ …， ） Ｕ：｛ （ ＝ｌ２ …ｃ ｋ ， ， ， ） ｕ ｝ｉ ，， ， ＝１２ … 凡 为隶属度矩阵； “ 表示样
难实现。近年来提出的粒子滤波是一种基于蒙特卡罗仿真的最优回归贝叶斯滤波算法。它不受线性化误 差和高斯噪声假定的限制 ， 适用 于任何状态转换或测量模型， 在许多重要的实际情况下远远优于其他的滤
在目 标跟踪的方法中， 最常用 的是卡尔曼滤波 （ Ｆ 算法［。该算法系统的动态模型都是线性 ， Ｋ） ２ 】 且噪 声是高斯的条件下是最优解。然而 ， 目标跟踪 中广泛存在着非线性问题 ， 为此人们提出了大量的近似方 法， 中最经典并广泛使用的是扩展卡尔曼滤波（ Ｉ ） 其 Ｅ（ 算法［。该算法需要对模型进行线性化 ， ：０９ ２—１ ２０ —０ １修 ２０ —０ ６
基金项 目： 广东省 自然科学基 金项 目， 茂名市重点科技计划项 目。
作者简介 ： 高欢萍 （９５ ） 女 ， １ 一 ， 山西 吕梁人 ， ８ 在读硕士 ， 事无线传 感器 网络 研究 ； 从 刘美 （９７ ）女 ， １ 一 ， 副教授 ， ６ 博士， 从事智能检测
第２卷 ｏ
第 １ 期
茂 名学 院学报
Ｊ Ｕ Ａ Ｆ ＭＡ Ｏ ＲＮ Ｌ Ｏ ＯＭ Ｇ Ｕ 、 Ｎｒ ＲＳ ⅡＹ
ｖ １２ Ｎ ． ｏ．０ ｏ１
Ｆ ｂ２０ ｅ ｌ ．ｏ ９
２１ ００年 ２月
一
种 改 进 的粒 子 滤 波 目标 跟 踪 算 法
高欢 萍 ， 刘美 杜 永贵‘ ，
Ｌ（ ，） Ｖ ＝∑ ｃ ： ｕ ２ ／． １２ ｉ 口 ， （） １
ｄ ＝ ｌ 一 ｌ ｌ ｌ ２
（） ２
式中， ＝ ｝ｉ ，， 凡 为聚类 中心； Ｖ （ ＝１２ …， ） Ｕ：｛ （ ＝ｌ２ …ｃ ｋ ， ， ， ） ｕ ｝ｉ ，， ， ＝１２ … 凡 为隶属度矩阵； “ 表示样
粒子滤波在目标跟踪算法中的应用研究
摘
要 ：针 对非 高斯 、 强噪声 背 景 下 的 高机 动 目标 实施 跟 踪 时，卡 尔曼 滤 波、扩 展 卡 尔曼 滤波
等 算 法将 出现 滤 波精度 下 降甚 至发 散 现 象 。粒 子 滤 波方 法作 为 一种 基 于 贝叶斯 估 计 的 非 线性 滤
波算法，在处理非高斯非线性时变系统的参数估计和状 态滤波 问题 方面有独到的优势。以 目标 跟踪 问题 为 背景 ，将粒 子滤 波与 卡 尔 曼滤波算 法进行 了对 比研 究 。 关键 词 ： 目标跟 踪 ；粒子 滤 波 ；卡 尔曼 滤波
（ ｉ ｅｅ ｓ ｏｃｓ ａ ｅ ， ｈｎ ｚｏ ５０ ２ Ｃ ｉ￣ Ａ ｒＤ ｆｎｅＦ ｒｅ ｄ ｍｙ Ｚ ｅｇｈ ｕ４ ０ ５ ， ｈｌ ） Ａｃ ｌ ｔ
Ａ ｓ ａｔ ｂ ｔ ｃ ：Ｗｈｎｔｅｏｊｃ ｒ ｅｂ ｃ ｇ ｕ ｄｏ ｉｈｒ ｎ ｕ ｅ ｎ ， ｕｔｍｏ ｅ， ｏ — ａｓｉ ， ｒ ｅ ｂｅｔ ａｅｉ ｔ ａｋｒ ｎ ｆ ｇ ｅ ｅｖｒ ｇ ｍ ｌ— ｄ ｌ ｎ ｎＧ ｕｓ ｎ ｈ ｓ ｎｈ ｏ ｈ ｍａ ｉ ｉ ａ
踪性能优劣的关键步骤。专家提出了 目 标运动模型 包括 ： 多项 式模 型 、 阶 时 间相 关模 型 、 阶 时 间相 一 二 关模型、 半马尔可夫模型、 ｏａ统计模型、 Ｎ ｖｌ 机动 目 标 “ 当前 ” 统计 模 型 等 ， 中多项 式 模 型 占有重 要地 其 位 ， 的两 种 特 殊 形 式 匀 速 （ Ｖ） 型 和 匀 加 速 它 Ｃ 模 （ Ａ 模型因其简单有效 ， Ｃ） 有着广泛 的应用 。然而 ，
Ｋａ ｍａ ｌｅ ． ｌ ｎ ｆ ｔｒ ｉ
Ｋｅ ｏ ｄ ：ｏｊｃ ｔ ｃ ｉｇ ｐ ｒｃ ｌ ｒ Ｋ ｌ ａ ｌ ｒ ｙｗ ｒ ｓ ｂｅｔ ａ ｋ ； ａ ｉ ｅｆｔ ； ａ ｎｆｔ ｒ ｎ ｔ ｌｉ ｅ ｍ ｉｅ
改进的粒子滤波器目标跟踪方法
征 和 不 变 矩 特 征 融 合 建 立 目标 模 型 的 改 进 方 法 ， 子 权 重 由环 境 决 定 的 两 种 特 征 欧 式距 离加 权 生 成 。 实验 结 果 表 明 ， 方 法 粒 该
改 进 了单 一 颜 色 特 征 描 述 目标 在 跟 踪 过 程 中对 抗 一 些 干 扰 的 不足 ， 不影 响 实 时性 的 基 础 上 提 高 了 跟 踪 的 准 确 性 和 鲁 棒 性 。 在 关 键 词 ：目标 跟 踪 ； 粒 子 滤 波 ； 融 合 权 ； 不 变 矩 ； 颜 色直 方 图
中 图 法 分 类 号 ： Ｐ ４ Ｔ ２２ １） １ ２ ７０ １０ —０４（０ １０ — ７ —４ ０
Ｉ ｒｖ ｄｏｊｃ ａｋｎ ｔｏ ｒ ａｔ ｌ ｌ ｒ ｍｐｏ ｅ ｂ ｔｒｃ ｉｇｍｅｈ ｄｆ ｒ ｃｅｆｔ ｅ ｔ ｏｐ ｉ ｉ ｅ
ＱＩ ＡＮ ａ ｇ， Ｌ ｎｈ ａ， Ｌ Ｕ Ｚ Ｘｉｎ Ｉ Ｘｉ—ｕ Ｉ Ｂｏ， ＨＡＮＧ ｉ Ｈｕ。
（ ．Ｋｅ ｂ ｒｔｒ ｆ ｎｅｌ ｅ ｔ ｏ ｕｉｇａ ｄＳｇ ａ ｒ ｃ ｓｉｇ Ｍ ｉｉｔ ｆ ｕ ａｉｎ Ａｎ ｕ ｉｅｓｙ １ ｙＬａ ｏａｏｙｏ ｔｌｇ ｎ ｍｐ ｔ ｎ ｉｎ ｌ ｏ ｅ ｓ ， Ｉ ｉ Ｃ ｎ Ｐ ｎ ｎｓｒ ｏ ｃｔ ， ｙ Ｅｄ ｏ ｈ ｉ ｖ ｒｉ ， Ｕｎ ｔ
ｐｏ ｅｔ ｓ Ｔ ｅｅ ｐ ｒｍｅ ｔ ｒ ｖ ｓ ｈ ｔｈ ｓ ｔｏ ｍｅｉｒｔｓ ｈ ｔｒｅｅ ｃ ｒ ｐ ｒｉ ． ｈ ｘ ｅｉ ｎ ｏ ｅ ａ ｉ ｍｅｈ ｄａ ｌｏａｅ ｅｉ ｅｆｒｎ ｅｉ ｅ ｐ ｔ ｔ ｔ ｎ ｍｍｕ ｉ ｆ ｈ ｉｇｅｃ ｌｒ ｒ ｐ ｒｙｆｒｒｃ ｉｇｔｒｅ． ｎ ｔ ｏ ｔ ｅｓ ｌ ｏｏ ｏ ｅ ａｋ ｎ ｇ ｔ ｙ ｎ ｐ ｔ ｏ ｔ ａ
改 进 了单 一 颜 色 特 征 描 述 目标 在 跟 踪 过 程 中对 抗 一 些 干 扰 的 不足 ， 不影 响 实 时性 的 基 础 上 提 高 了 跟 踪 的 准 确 性 和 鲁 棒 性 。 在 关 键 词 ：目标 跟 踪 ； 粒 子 滤 波 ； 融 合 权 ； 不 变 矩 ； 颜 色直 方 图
中 图 法 分 类 号 ： Ｐ ４ Ｔ ２２ １） １ ２ ７０ １０ —０４（０ １０ — ７ —４ ０
Ｉ ｒｖ ｄｏｊｃ ａｋｎ ｔｏ ｒ ａｔ ｌ ｌ ｒ ｍｐｏ ｅ ｂ ｔｒｃ ｉｇｍｅｈ ｄｆ ｒ ｃｅｆｔ ｅ ｔ ｏｐ ｉ ｉ ｅ
ＱＩ ＡＮ ａ ｇ， Ｌ ｎｈ ａ， Ｌ Ｕ Ｚ Ｘｉｎ Ｉ Ｘｉ—ｕ Ｉ Ｂｏ， ＨＡＮＧ ｉ Ｈｕ。
（ ．Ｋｅ ｂ ｒｔｒ ｆ ｎｅｌ ｅ ｔ ｏ ｕｉｇａ ｄＳｇ ａ ｒ ｃ ｓｉｇ Ｍ ｉｉｔ ｆ ｕ ａｉｎ Ａｎ ｕ ｉｅｓｙ １ ｙＬａ ｏａｏｙｏ ｔｌｇ ｎ ｍｐ ｔ ｎ ｉｎ ｌ ｏ ｅ ｓ ， Ｉ ｉ Ｃ ｎ Ｐ ｎ ｎｓｒ ｏ ｃｔ ， ｙ Ｅｄ ｏ ｈ ｉ ｖ ｒｉ ， Ｕｎ ｔ
ｐｏ ｅｔ ｓ Ｔ ｅｅ ｐ ｒｍｅ ｔ ｒ ｖ ｓ ｈ ｔｈ ｓ ｔｏ ｍｅｉｒｔｓ ｈ ｔｒｅｅ ｃ ｒ ｐ ｒｉ ． ｈ ｘ ｅｉ ｎ ｏ ｅ ａ ｉ ｍｅｈ ｄａ ｌｏａｅ ｅｉ ｅｆｒｎ ｅｉ ｅ ｐ ｔ ｔ ｔ ｎ ｍｍｕ ｉ ｆ ｈ ｉｇｅｃ ｌｒ ｒ ｐ ｒｙｆｒｒｃ ｉｇｔｒｅ． ｎ ｔ ｏ ｔ ｅｓ ｌ ｏｏ ｏ ｅ ａｋ ｎ ｇ ｔ ｙ ｎ ｐ ｔ ｏ ｔ ａ
粒子滤波算法的应用研究及优化
粒子滤波算法的应用研究及优化近年来，随着计算机技术的不断发展，人工智能等领域的应用不断扩展，各种算法也不断被提出和应用。
粒子滤波算法是一种常见的非参数滤波算法，其主要应用于状态估计和目标跟踪等领域。
在实际应用中，粒子滤波算法也存在许多问题，需要进行优化和改进。
一、粒子滤波算法的基本原理粒子滤波算法基于蒙特卡罗方法，根据现有的状态量，通过不断地提出指定数量的粒子，不断逼近滤波目标的状态。
具体算法流程如下：1. 初始化。
在搜寻状态量的范围内，随机生成一定数量的粒子（通常为1000个左右），并按照一定的分布方式进行粒子的分配。
2. 预测。
根据系统的动态模型预测每个粒子的下一个状态。
3. 权值更新。
根据每个粒子的当前状态和实际观测值，计算每个粒子的权值，并进行归一化处理。
4. 重采样。
根据每个粒子的权值，进行筛选和抽样，让具有更高权值的粒子具有更高的概率被采样。
5. 状态估计。
根据采样到的粒子状态计算滤波后的目标状态。
二、粒子滤波算法的应用研究1. 目标跟踪。
在目标跟踪中，粒子滤波算法被广泛应用。
通过将目标的位置作为特征，将粒子在搜索范围内分布，并根据目标的位置和速度对每个粒子进行预测和权值更新，从而得到目标的实时跟踪结果。
2. 机器人定位。
在机器人定位领域，粒子滤波算法也有着广泛的应用。
通过机器人的传感器，计算机器人位置的先验概率，并根据传感器获得的信息对每个粒子进行预测和更新，从而得到机器人位置的后验概率估计。
3. 海洋探索。
在海洋探索中，粒子滤波算法也有着广泛的应用。
通过探测器获取海洋中目标的信息，并将其传入计算机进行处理。
在搜寻范围内随机产生一定数量的粒子，并根据海洋环境的不同，在粒子的状态估计过程中添加不同的判据和约束条件，以得到更精确的目标跟踪结果。
三、粒子滤波算法的优化粒子滤波算法的性能受到多个因素的影响，例如粒子数、粒子初始分布、重采样方法等。
为了提高粒子滤波算法的估计精度，以下几个方面可以进行优化：1. 优化初始分布。
一种基于视觉注意机制的改进粒子滤波跟踪算法
ｔ ｎｍｅｈｎｓ ａｃｒｉｇｔ ｄｆｒｎ ｉ ｉｃｎ ｅ ｔ ｈ ｍ ｎ ｅｅｓ ｍ ｌ ｉ ｙａ ｂｅｔ ｎｄｆ ｒ ｔ ｃｎｒ ｓ ｏ ｓｔｅｏｊｃ’ ｔ ｎ ｏ ｃａｉ ｔ ｉ ｍ， ｃｏｄ ｏ ｉｅｅｔ ｇ ｆａ ｃｓ ｏ ｕ ａ ｙ ｔ ｕａｏ ｂ ｎｏｊｃ ｉ ｉｅ ｎ ｅａｉ ，ｓｒ ｈ ｂ ｔ Ｓ ｎ ｆ ｓ ｎｉ ｉ ｔｎ ｆｅ ｓ ｏ ｔ ｅ ｆ ｔｒｓ ｙｓ ｎ ｃｎ ｅｓｅ ｇ Ｏａ ｏｆｔｒ ｉ ｒ ｕｅ ａ ｉ ｅ．Ｃ ｍ ａａｖ ｘ ｅ ｍ ｎｓｂｔｅｎｏｊｃ ｔ ｃｉｇａｇｒｈ ｉ ｉｇ ｅ ｕｅ ｉ ｉ ａ ｃ ｔ ｎｔ Ｓ ｓｔ ｉ ｅ ｓ ｂ ｔ ｐ ｒｃ ｓ ｏ ｐ ｒｔｅｅｐｒ ｅｔ ｅｗ ｅ ｂｅｔｒ ｋｎ ｏ ｔ ｗｔ ｓ ｌ ａ ｂ ｇｆ ｉ ｒ ｈ ｌ ｄ ｔ ｉ ｄ ｔｌ ｉ ｉ ａ ｌ ｉ ｍｓ ｈ ｎ ｅ
田 峥 徐 成 杨志邦 马翌伦
（ 湖南大学信息科 学与工程学 院 湖南 长沙 ４ ０ ８ ） １ ２ ０
摘
要
目标跟踪是计算机视 觉研 究中的一个 重要课题 ， 它是 目标行 为理 解的基础 ， 图像 系统连续准确工作 的重要部 分。针 对 是
单 一特征 跟踪算法识别准确性不高 ， 特别是在遮挡状况下无法对 目标特征进行检 测和 跟踪的问题 ， 考虑到粒子滤波算法在处理 非线
Ｔ ａ ｈ ｎ Ｘｕ Ｃｈ ｎ Ｙａ ｇ Ｚ ｉ ａ ｇ Ｍａ Ｙ ｌ ｎ ｉｎＺ ｅ ｇ ｅｇ ｎ ｈｂ ｎ ｉ ｕ
（ ｃｏｌｆＩ ｏｍ ｔ ｎ＆ｉ ｎ ｎ ｉｅｒ ｇ， ｎ ｎＵ ｉ ｒｔ，Ｃ ａｇｈ １ ０２， ｕ ａ Ｃ ｉａ Ｓｈｏ ｎ ｒ ａｉ ｏ ｆ ｏ ｅ ａｄＥ ｇｎｅｉ Ｈｕａ ｎｖ ｓｙ ｈ ｎｓａ４ ０ ８ Ｈ ａｎ，ｈｎ ） ￣ｅ ｎ ｅｉ
田 峥 徐 成 杨志邦 马翌伦
（ 湖南大学信息科 学与工程学 院 湖南 长沙 ４ ０ ８ ） １ ２ ０
摘
要
目标跟踪是计算机视 觉研 究中的一个 重要课题 ， 它是 目标行 为理 解的基础 ， 图像 系统连续准确工作 的重要部 分。针 对 是
单 一特征 跟踪算法识别准确性不高 ， 特别是在遮挡状况下无法对 目标特征进行检 测和 跟踪的问题 ， 考虑到粒子滤波算法在处理 非线
Ｔ ａ ｈ ｎ Ｘｕ Ｃｈ ｎ Ｙａ ｇ Ｚ ｉ ａ ｇ Ｍａ Ｙ ｌ ｎ ｉｎＺ ｅ ｇ ｅｇ ｎ ｈｂ ｎ ｉ ｕ
（ ｃｏｌｆＩ ｏｍ ｔ ｎ＆ｉ ｎ ｎ ｉｅｒ ｇ， ｎ ｎＵ ｉ ｒｔ，Ｃ ａｇｈ １ ０２， ｕ ａ Ｃ ｉａ Ｓｈｏ ｎ ｒ ａｉ ｏ ｆ ｏ ｅ ａｄＥ ｇｎｅｉ Ｈｕａ ｎｖ ｓｙ ｈ ｎｓａ４ ０ ８ Ｈ ａｎ，ｈｎ ） ￣ｅ ｎ ｅｉ
一种用于目标跟踪的改进粒子滤波算法
［ ｙｗｏｄ ＩＰ ｒｃ ｉｅｉｇＰ ）ｔ ｇｔ ａｋｎ ； ｏ ｌ ｅ ｌｒ ｇ Ｅ ｔ ｄｄＫ ｌ ｎＦｌ ｒ ｇＥ Ｆ ； ｓｅｔｄＫ ｌ ｎｆｔｒ ｇＵＫ ）Ｍａｋｖ Ｋｅ ｒ ｓ ａ ｉｅＦｌ ｒ （Ｆ ；ａ ｅ ｃ ｇ ｎ ｎｉ ａ ｆｔ ｎ ； ｘｅ ｅ ａｍａ ｉｅｉ （ Ｋ ）Ｕｎｃｎｅ ａｍａ ｌ ｉ （ Ｆ ； ｒ ｏ ｔｌ ｔ ｎ ｒ ｔ ｉ ｒ ｎｒ ｉ ｅ ｉ ｎ ｔｎ ｉ ｅｎ
２ 标准粒子滤波算法
粒子滤波算法最先 由文献【］ ５提出 ，它为离散时间的递归 滤波 问题提供了一种近似的贝叶斯解 决方法 ，其基本思想是
ｃ Ｎ ｎｅＣ ｌ （ ｈ ｎＭｏ ｔ ａ ｏＭＣＭＣ） ｒ
Ｄ０Ｉ ｔ ． ６ ／ｉ ｎ１０ —４ ８２ １．５０ ４ ： Ｏ３ ９ｊｓ ． ０３ ２ ．０ ２０ ．５ ９ ．ｓ ０
１ 概 述
高精度 实时性 的机动 目标跟踪 问题一直是研究的热点和
上融合 了典型 的 ＭＣ ＭＣ抽样算法 。
［ ｓｒｃ］Ａｓｔｅｐｏ ｌｍｓｏ ｓｍａｉｎ ａｃ ｒｃ ｎ ａｔ ｌｓｄ ｇａ ａｉｎｅ ｉ ｎ ＇ｅＰ ｒ ｃ ｉｅｉｇＰ ）ａｇ ｒｈ ａ ｍｐｏ ｅ Ｆ Ａｂ ｔａ ｔ ｈ ｒｂｅ ｆｅｔ ｔ ｃｕａｙ ａ ｄｐ ｒｃｅ ｅｒｄｔ ｘｓ ｉ ｔ ａｔ ｌ Ｆｌ ｒ （Ｆ ｌｏ ｔｍ， ｎ ｉ ｒｖｄ Ｐ ｉ ｏ ｉ ｏ ｔ ｈ ｉｅ ｔ ｎ ｉ
Ｚ ＮＧ Ｊａ －ｎ Ｚ ＨＡ ｉｎａ ， ＨＡＯ Ｘ ｕｂｎ Ｌ ｉｉ ｉ－ｉ， Ｉ － ａ Ｓｊ
（ｅｅ ｏ Ｔ ｌｃ ｍｍｕ ｉａｉｎＥ ｇｎ ｅ ｉｇＩ ｓ ｔｔ， ｒ ｏ ｃ ｎ ｉｅ ｒ ｇＵｎｖ ｒｉ ， ’ｎ７ ０ ７ ， ｈ ｎ ） ｎｃ ｔ ｎ ｉｅ ｒ ｔｕｅ Ａｉ Ｆ ｒｅ ｇｎ ｅｉ ｉｅ ｓ ｙ Ｘｉ １ ０ ７ Ｃ ｉ ａ ｏ ｎ ｎ ｉ Ｅ ｎ ｔ ａ
基于特征融合的改进粒子滤波目标跟踪算法
１ 粒子滤波基本原理
１９ ９ ３年 由 Ｇ ｒｏ ｏｄ ｎ和 Ｓ ｌ ｏ ｄ８提 出 了一 种 新 ａｍ ｎ ＿
踪 以及 混合 方 式 的跟踪 等方 法 Ｊ 。 卡 尔曼 滤 波 是 基 于 线 性 、 斯 假 设 的 ， 对 于 高 这 目标跟 踪 要 求 太 过 严 格 。现 实 中 的 系统 往 往 是 非
波算法是一种基 于蒙特卡洛（ Ｃ 技术来求解 贝叶 Ｍ ）
斯 概率 的使 用算 法 ， 的基 本 思 想是 通 过重 要 性 函 它
数 产生 带权 值 的样 本 （ 子 ） 逼 近 系 统 状 态 的真 粒 来
ｐ ｘＩ １ １ （ ｚ ）＝Ｊ Ｉ 一 Ｐ ｌ １ １ｄ ： ｐ １ （ ： ）ｘ １ （ ） Ｉ 一
。 ）为 ｔ 时刻 的 一１
后 验概 率密 度 ；（ Ｉ 一）为归一 化常数 ， ｐ ｌ ｐ 即 （
１ｔ ．—１
）：Ｊ ｌ ）（ Ｉ１１ｄ 。时刻的后验概 ｐ ｐ ． ）ｘ ｔ （ ｚｆ 一
）是滤 波 问题 的最 终解 。 但 是在 上述 的计 算 过 程 中 ， 要 通 过计 算 积 分 需
⑥ ２ １ ＳｉＴ ｃ． ｎｒ． ０２ ｃ． ｅｈ Ｅ ｇｇ
基 于 特 征 融 合 的 改 进 粒 子滤 波 目标 跟 踪 算 法
李成 功 曹 宁 王娴珏
（ 河海 大学计算 机与信息学 院， 南京 ２ １０ ） １ １０
摘
要
针对复杂背景 下单 一的颜 色特征不能准确跟踪 目标 的 问题 ， 出 了一种 改进 的 目 跟踪 算法。该算 法利用跟 踪 目 提 标
第 一作者 简介 ： 李成功（ ９ ８ ） 男 ， １８ 一 ， 江苏淮安人 ， 硕士研究 生 ， 研究
一种改进粒子滤波目标跟踪算法
从 中采样 的 粒 子并 不 能很 好 地 逼 近 实 际 的 后 验 分
布， 导致跟 踪效果 不是很 好 。 为克 服粒子 滤波 算 法 的这 个 缺 陷 ， 粒 子 更好 使
带来困难 。粒子滤波方法 （ Ｆ ¨ 是一种基于蒙 Ｐ ）
特 卡洛仿 真 的最 优 贝叶斯滤 波算法 。它并 不用 函数
ｄ ｓ ｉ ｕ ｉｎ ｂ ｑ ａ ｅ ｒ ｏ ｎ ｃ ｎ ｅ ａ ｓ ｒ ｍｅ ｏ ｎ ｒｗｓｓ ｍｐ ｅ ｏ ｉ ，ａ ｄ ｓ ｌｅ ｈ ａ ｏ ｓ ｉｔ ｂ ｔ ｙ ｓ ｕ ｒ — ｔ ｓ ｅ ｔｄ ｔ ｎ ｆ ｍ ｔ ｄ ａ ｄ ｄ ａ ａ ｌ ｓｆ ｍ ｒ ｏ ｏ ｕ ｒ ｏ ｈ ｒ ｔ ｎ ｏ ｖ ｓｔ ｅ ｖ ｒ ｕ ｉ
Ｋｅ ｒ ｓ：ｐａｔｃｅ ｌ ｒｎ ｙ ｗｏ ｄ ｒｉｌ ｓｆ ｔｉ ｇ； ｓ ｕ ｒ －ｏ ｔｕ ｓ ｅ ｔｄ ｔａ ｆｒ ； ｔ ｇ ｔｔａ ｋ ｎ ｉ ｅ ｑ ａ ｅ ｒ ｏ ｎ ｃ ｎ ｅ ｒ ｎｓｏ ｍ ｒ ａ ｅ ｃ ｉ ｇ ｒ
０ 引 言
在 目标跟 踪过程 中， 由于非线性 、 不完 全性和 不 确 定性 ， 给精确 的状 态估 计 和 及 时准 确 的 目标 跟踪
Ａｂ ｔａ ｔ Ｗ ｈ ｎ ａ ｔ ｒ ｅ ｓ ｔａ ｋ ｄ ｗｉ ａ ｔｃｅ ｆｌｅ ， ｈ ｔｔ ｒ ｎ ｉｉｎ ｒ ｂ ｂｌｔ ｓ ｓ ｄ ａ ｔ ｅ ｓｒ ｃ ： ｅ ａ ｇ ｔ ｉ ｃ ｅ ｔ ｐ ｒｉｌ ｔｒ ｔ ｅ ｓａｅ ｔａ ｓｔ ｐ ｏ ａ ｉ ｙ ｉ ｕ ｅ ｓ ｈ ｒ ｈ ｉ ｏ ｉ ｉ ｏｔ ｎ ｅ ｄ ｓｒｂ ｔ ｎ ｆ ｎ ｔｏ ｍｐ ｒａ ｃ ｉｔ ｕ ｉ ｕ ｃｉｎ．Ｉｓ ｅｆｃ ｓ ｎ ｔｇ ｏ ｅ ａ ｅ ｏ ｏ ｎ ｌ ｄ ｎ ｈ ｅ ｅ ｔ ｏ ｓ ｒａ ｉｎ． ｉ ｏ ｔ ｆｅ ｔｉ ｏ ｏ ｄ ｂ ｃ ｕｓ ｆｎ ｔｉ ｃ ｕ ｉ ｇ ｔ ｅ ｒ ｃ ｎ ｂ ｅ ｖ ｔ ｏ Ａｉ ｎ ｔ ｔ ｓ ｒｃ ｍｉ ｆ Ｐ ａ ｎ ｖ ｌ ｌｏ ｉｈ ｗａ ｒ ｐ ｓ ｄ． ｉ ｌｏ ｉｈ ｇ ｎ ｒ ｔ ｓ ａ ｐ ｏ ｏ ａ ｍｉ ｇ ａ ｈｅ ｈｏｔ ｏ ｎｇ ｏ Ｆ， ｏ ｅ ａｇ ｒｔｍ ｓ ｐ ｏ ｏ ｅ Ｔｈ ｓ ａ ｇ ｒｔｍ ｅ ｅ ａｅ ｒ ｐ ｓ ｌ
粒子滤波算法在目标跟踪中的应用
粒子滤波算法在目标跟踪中的应用目标跟踪是计算机视觉领域中的一个重要问题，它的应用涉及到很多方面，包括军事、安防、交通、医疗等。
在目标跟踪的过程中，需要对目标进行检测、跟踪和预测，并且要能够应对各种复杂的环境条件和场景变化。
目前，粒子滤波算法被广泛应用于目标跟踪中，其优良的性能和实用性备受赞誉。
一、粒子滤波算法的基本原理粒子滤波算法是一种基于蒙特卡罗方法的估计算法，该算法通过随机粒子的集合来模拟概率密度函数的形状，进而实现对目标运动状态的预测和跟踪。
在粒子滤波算法中，随机粒子的个数通常会比较大，每个粒子都代表了目标在当前时刻的状态，包括位置、速度、加速度等信息。
当目标状态变化时，粒子的位置和权重也会随之更新，这样就能够实现对目标的精确跟踪和状态预测。
在粒子滤波算法中，每个粒子都有一个重要的权重值，它代表了该粒子代表目标状态的置信度。
在每一次迭代过程中，粒子的权重会根据观测数据进行更新，使得权重较高的粒子更有可能被保留下来，从而更准确地反映目标状态的概率分布。
二、粒子滤波算法在目标跟踪中的应用粒子滤波算法在目标跟踪中的应用非常广泛，包括运动目标追踪、人脸跟踪、行人检测等方面。
下面以运动目标追踪为例，介绍粒子滤波算法在目标跟踪中的具体实现和优势。
在运动目标追踪中，粒子滤波算法通常采用状态空间模型进行建模，将目标状态表示为一个随机向量，其中包括位置、速度、加速度等信息。
在每一时刻，根据观测数据更新粒子的状态和权重，从而实现对目标的跟踪和预测。
通过优化粒子个数、重新采样的策略等参数，可以进一步提高算法的性能和鲁棒性。
相比于其他目标跟踪算法，粒子滤波算法具有很多优点。
首先，它可以非常灵活地应对目标在运动、变形、遮挡等方面的复杂情况，从而实现更加准确和稳定的跟踪效果。
其次，粒子滤波算法可以自适应地调整参数和模型，以适应不同的环境和场景，使算法更加鲁棒和实用。
三、粒子滤波算法的未来发展方向随着计算机视觉领域的飞速发展，粒子滤波算法在目标跟踪中的应用也将持续拓展和深化。
基于概率密度估计改进粒子滤波的行人跟踪算法研究
２ ．Ｔ ａ ｎ ｇ ｓ ｔ ｅ ｅ ｌ ｓ ｔ ａ ｉ ｎ ｅｓ ｌ ｓ ｓ ｔ ｅ ｅ ｌ ｃ ｏ ． ，Ｔ ａ ｎ ｇ ｓ ｈ ａ ｎ ０ ６ ３ ０ ０ ０，Ｃ ｈ ｉ ｎ ａ ；
３ ． Ｅ ｅ ｌ ｃ ｔ ｒ ｉ ｃ ａ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇａ ｎ ｄＡ ｕ ｔ ｏ ｍ ａ ｔ ｉ ｏ ｎ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ， Ｊ ｉ ａ ｎ ｇ ｘ ｉ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｆＳ ｏ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｇ ａ ｎ ｚ ｈ ｏ ｕ ３ ４ １ ０ ０ ０ ， Ｃ ｈ ｉ ｎ ａ ）
到 了提 高 ， 且 该 方 法无 需 对 后 验 分 布 作 高斯 假 设 ， 为 解 决 粒 子 滤 波 算 法 中的 粒 子 退 化 问题 提 供 了一 种 方 法 。
关 键 词 ：改进 粒 子 滤波 ； 概 率 密度 估 计 ；支持 向 量机 ；复合 抽 样 ； 加 权 颜 色直 方 图 ； 行 人 跟 踪 仿 真
何 鹏举 ，宋 阿梅 ，张 永锋 ， 秦 丽 丽 ，杨 晶
（ １ ． 西 北 工 业 大 学 自动 化 学 院 ，陕 西 西安 ７ １ ０ １ ２ ９ ； ２ ． 唐钢 不锈 钢有 限 责任 公 司 河北 唐 山 ０ ６ ３ ０ ０ ０ ； ３ ． 江西 理 工 大 学 电 气 工 程 与 自动化 学 院 ，江 西 赣 州 ３ ４ １ ０ ０ ０ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｒｅ ａ ｌ ｉ ｚ ｉ ｎ ｇ ｐ ｅ ｄ ｅ ｓ ｔ ｉ ｒ ａ ｎ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｇ ｕ ｓ ｉ ｎ ｇ ｐ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｉ ｆ ｌ ｔ ｅ ｒ ｉ ｓ ａ ｍａ ｉ ｎ ｍｅ ｔ ｈ ｏ ｄ ｏ ｆ ｖ ｉ ｄ ｅ ｏ ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｔ ｍｏ ｎ ｉ ｔ ｏ ｉ ｒ ｎ ｇ． Ｂｕ ｔ ｔ ｈ ｅ ｐ ｒ ｏ ｂ ｌ ｅ ｍ
３ ． Ｅ ｅ ｌ ｃ ｔ ｒ ｉ ｃ ａ ｌ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇａ ｎ ｄＡ ｕ ｔ ｏ ｍ ａ ｔ ｉ ｏ ｎ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ， Ｊ ｉ ａ ｎ ｇ ｘ ｉ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｆＳ ｏ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｇ ａ ｎ ｚ ｈ ｏ ｕ ３ ４ １ ０ ０ ０ ， Ｃ ｈ ｉ ｎ ａ ）
到 了提 高 ， 且 该 方 法无 需 对 后 验 分 布 作 高斯 假 设 ， 为 解 决 粒 子 滤 波 算 法 中的 粒 子 退 化 问题 提 供 了一 种 方 法 。
关 键 词 ：改进 粒 子 滤波 ； 概 率 密度 估 计 ；支持 向 量机 ；复合 抽 样 ； 加 权 颜 色直 方 图 ； 行 人 跟 踪 仿 真
何 鹏举 ，宋 阿梅 ，张 永锋 ， 秦 丽 丽 ，杨 晶
（ １ ． 西 北 工 业 大 学 自动 化 学 院 ，陕 西 西安 ７ １ ０ １ ２ ９ ； ２ ． 唐钢 不锈 钢有 限 责任 公 司 河北 唐 山 ０ ６ ３ ０ ０ ０ ； ３ ． 江西 理 工 大 学 电 气 工 程 与 自动化 学 院 ，江 西 赣 州 ３ ４ １ ０ ０ ０ ）
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｒｅ ａ ｌ ｉ ｚ ｉ ｎ ｇ ｐ ｅ ｄ ｅ ｓ ｔ ｉ ｒ ａ ｎ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｇ ｕ ｓ ｉ ｎ ｇ ｐ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｉ ｆ ｌ ｔ ｅ ｒ ｉ ｓ ａ ｍａ ｉ ｎ ｍｅ ｔ ｈ ｏ ｄ ｏ ｆ ｖ ｉ ｄ ｅ ｏ ｉ ｎ ｔ ｅ ｌ ｌ ｉ ｇ ｅ ｎ ｔ ｍｏ ｎ ｉ ｔ ｏ ｉ ｒ ｎ ｇ． Ｂｕ ｔ ｔ ｈ ｅ ｐ ｒ ｏ ｂ ｌ ｅ ｍ
基于粒子滤波算法的多目标跟踪技术研究
基于粒子滤波算法的多目标跟踪技术研究
随着计算机技术的发展和普及，人们对于多目标跟踪技术的需求越来越高，这
也促进了多目标跟踪技术的研究与应用。
而在众多的多目标跟踪算法中，粒子滤波算法因其出色的性能表现和较高的稳定性而备受关注。
粒子滤波算法的原理是利用随机采样的方法来描述概率分布，通过对这些样本
的更新和筛选，最终得到与目标实际运动情况相匹配的状态。
在多目标跟踪中，每个目标的状态可以表示为一个四元组：位置、速度和尺寸，而多个目标的状态则可以表示为一个状态向量。
粒子滤波算法的核心思想是通过不断循环的样本生成、权重更新和样本筛选，
不断优化概率分布，最终得到最优的跟踪结果。
具体而言，需要首先生成一定数目的粒子样本，这些样本包含了当前目标状态的随机分布信息。
接着，利用观测数据对样本的权重进行更新，依据权重对样本进行筛选，得到下一时刻的状态向量。
而经过多次循环之后，得到的目标轨迹便是最佳的跟踪结果。
除了基本的粒子滤波算法，还有一些基于其改进的算法被广泛应用于多目标跟
踪中。
例如，在目标数量较大的情况下，传统的粒子滤波算法往往会出现样本数量不足的问题，从而导致跟踪准确度下降。
而随着算法的不断改进，例如混合高斯方法和卡尔曼滤波方法等，可以有效提高算法的稳定性和鲁棒性。
总体而言，基于粒子滤波算法的多目标跟踪技术已经得到了广泛的应用和研究，其应用范围也越来越广泛，例如在交通监控、医学图像处理和航空控制等领域中都有着重要的应用价值。
虽然目前的研究还存在一定的局限性和挑战，例如目标状态表示的精度和权重的计算方法等，但随着技术的不断发展和创新，相信在不远的将来，多目标跟踪技术将会得到进一步的突破和提升。
改进的粒子滤波的视频图像目标跟踪技术
Ｋｅ ｒ ｓ ｐ ｒｉｌ ｌ ｒ ｔｒ ｅ ｒ ｃ ｉ ｇ ｖｄ ｏ ｉ ｇ ； ｉｇ ｅ ｔｒ ｅ ｙ ｗｏ ｄ ： ａ ｔ ｅ ｆ ｔ ； ａ ｇ ｔ ａ ｋ ｎ ； ｉ ｅ ｍａ ｅ ｓｎ ｌ ａ ｇ ｔ ｃ ｉ ｅ ｔ
０ 引 言
在计算 机视觉领域 中， 目 跟踪算 是一种 比较热 标 门的研究话题 ，这种技术被广泛 地应用在各个 行业 里
ａ ｐｒ ｐ ｉｔ ｅｅ ｔｏ ｆｐａ ａ ｔｒ ｎ ｒ ａ－ｔｍ ｅｖ ｓ ａ ｒ ｃ ｉ ｇ ａ ｆｅ ｔｖ ｌ ｕａ ａ ｔｅ ｐ ｏ ｒａ ｅ ｓ ｌｃ ｉｎ ｏ ｒ ｍｅｅ ｓｉ ｅ ｌ ｉ ｉｕ ｌｔａ ｋ ｎ ，ｃ ｎ ｂｅ ｅｆｃ ｉｅｙ ｇ ｒ ｎ ｅ ｄ．
ｉ ｒ ｖ ｍｅ ｔｉ ｅ ｓ ｉ ａ ｌ ｈ ｏ ｇ ｉ ｉｕ ｌｔ ｒ ｅ ｒ ｃ ｉｇ ｂ ｓ ｄ ｏ ａ ｈ ｆ ａｇ ｒ ｈ ｅ ｐ ｒ ｎａ ｅ ｕ ｔ，ｔ ｉ ｍｐ ｏ ｅ ｎ ｄ ａ ，ｆ ｌ ｔ ｒ ｕ ｈ ｗ ｔ ｖｓ ａ ａ ｇ ｔｔ ｋ ｎ ａ ｅ ｎ ｍｅ ｎ ｓ ｉ ｌ ｏ ｔ ｍ ｘ ｅ ｍｅ ｔ ｒｓ ｌ ｎ ｙ ｈ ａ ｔ ｉ ｉ ｌ ｓ ｈｓ
Ａｂ ｔ ａ ｔ ｈ ｓ ｐ ｐ ｒ ｍａ ｎｙ ｓｕ ｉ ｓ ｔ ｅ ｖ ｄ ｏ ｉ ｇ ａ ｇ ｔｔａ ｋ ｎ ｃ ｕ ａ ｙ ｎ ｔ ｅ ｋ ｒ ｅ ａ ｅ ｎ ｃ ｌｒ ｆａ ｕ ｅ ｓｒ ｃ ：Ｔ ｉ ａ ｅ ｉ ｌ ｔ ｄ ｅ ｈ ｉｅ ｍａ ｅ ｔ ｒ ｅ ｒ ｃ ｉ ｇ ａ ｃ ｒ ｃ ．Ｉ ｈ ｅｎ ｌ ｂ ｓ ｄ ｏ ｏ ｏ ｅ ｔ ｒ
柴继贵
（ 成都电子机械高等专科学校 ， 成都 ６ ３ ） １ ７０性 问题 。在基 于核的颜 色特征统计 描述及以此建立视觉 目 标观测概率方法 的基础上 ， 提出 了一种改进 的粒子滤波视频 图像 目标跟踪算法 。 首先 ， 文给出了基于 本
移动机器人基于改进粒子滤波的声源目标跟踪研究
决“ 粒子退化”问 题， 重采样的提出有效克 服了
粒 子 退 化 ，却 引入 了粒 子 枯 竭现 象 。针 对 这 一 问 题 ，本 文 提 出 了一 种 改 进 的 粒 子 滤 波 算法 。 即粒 子滤 波马尔科夫链算法 （ Ｐ Ｆ ＭＣ） ，在 重 采 样 过 程 中采 用 马 尔 科 夫 链 移 动 步骤 ，增 加 样 本 的多 样 性 。 改 进 算 法 进 一 步 提 高 了 跟 踪 精 度 和 滤 波 效 果 。仿 真 实 验 表 明 ，本 文 方 法具 有 更好 的跟 踪 效 果 更适 合声 源跟 踪 。
说话人或 所处 环境中 其他声 源的 定位与 跟踪 。目 １ 粒 子滤波
前 ， 目标 跟 踪 中计 算 机 视 觉 跟 踪 是 比 较 成 熟 的 跟 踪 方 法 ， 但 这 类 方 法 有 以 下 缺 点 ： 易 受 到 光 照条 件 、遮 挡 等 因 素 的影 响 ，且 跟踪 范 围 受摄 像 机 视 粒子滤波是一种序贯蒙特卡罗滤波算法
Ｄ ｏ ｉ ：１ ０ ． ３ ９ ６ ９ ／ Ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ９ － ０ １ ３ ４ ． ２ ０ １ ３ ． １ １ （ 上） ． ０ ７
０ 引言
随 着 智 能 机 器 人 的发 展 ，机 器 听 觉 定位 跟踪 已 经 成 为 了移 动机 器 人 研 究 的 一个 重 要 领域 。麦 克 风 阵 列 的 声 源 定位 与 跟 踪技 术广 泛 用 于人 机 交 互 、 电视 电话 会 议 和机 器 人 导航 等领 域 。例 如， 在 电视 电 话 会 议 系统 中 ，说话 人 跟 踪 可 为摄 像机 转 向 控 制 与 基 于 麦 克 风 阵 列 的 语 音 拾 取 提 供 方 向 信息 ；在移 动机 器人 上安 装 上麦 克 风 阵列 ， 实 现对
一种改进的粒子滤波和Mean Shift联合跟踪算法
文章编 号 ： １ ６ ７ ３ － ５ ６ ９ ２ （ ２ ０ １ ３ ） ０ ６ － ５ ９ ９ － ０ ６
Ａｎ Ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ Ｔｒ ａ ｃ ｋ ｉ ｎ ｇ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｐａ ｒ ｔ ｉ ｃ ｌ ｅ Ｆ ｉ ｌ ｔ ｅ ｒ ａ ｎ ｄ Ｍｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ
一
种 改 进 的粒 子滤 波 和 Ｍｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ 联 合 跟 踪 算 法
李 沫 ， 郝伟博 ， 范哲意 ， 刘志文
（ １ ．北 京理 工 大学 信 息 与 电子 学院 ，北京
２ ．中国信 息安 全 产品认 证 中心 ， 北京
１ ０ ０ ０ ８ １ ；
１ ０ ０ ０ ２ ０ ）
ｉｌ ｆ ｔ ｅ ｒ ａ ｎ ｄ ｍｅ ａ ｎ ｓ ｈ ｉ ｔ ｆ ｉ ｓ ｐｒ ｏ ｐ ｏ ｓ ｅ ｄ．Ａｉ ｍｉ ｎ ｇ ａ ｔ ｔ ｈ ｅ ｓ ｈｏ ｔｃ ｒ ｏ ｍｉ ｎ ｇ ｓ ｏ ｆ ｃ ｏ ｌ ｏ ｒ ｈ ｉ ｓ ｔ ｏ ｇ ｒ ａ ｍ— ｂａ ｓ ｅ ｄ ｏ ｂ ｓ ｅ ｒ ｖ ａ ｔ ｉ ｏ ｎ ｍｏ ｄ ｅ ｌ
摘
要： 为 了提 高视 频 运动 目标 跟踪 的准 确性 和 实时性 ， 提 出一种 改进 的粒子 滤 波和 Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｔ联 ｆ
合跟 踪 算法 。针 对传统 粒子 滤 波跟踪 算 法 中颜 色直方 图观 测 模 型存 在 的 局 限性 ， 提 出 了一种 基 于
分块 颜 色直方 图的观 测 模 型描 述 方 法 ， 并根 据 该分 块直 方 图的特 点 ， 重 新设 计 了粒 子权 值 的更新 策
第 ６期 ２ ０ １ ３年 １ ２月
中 Ｉ 园 鼋； 纠． 鼍 ｆ 研宪 限学
改进的粒子滤波算法在目标跟踪中的应用
［ ］ 朱建 春． ２ 关于 自建特 色数据库的探索 ［］ Ｊ ． 图书馆学刊 ， 江西
２ ０ （ ５） １ ３ ０ ０ ５ ３ ： ０ —１４。
华南理 工大学应用数学与应用 软件 专业 ， 助理 馆员 ， 华南理工大
［ ］ 朱晓菁． ３ 谈高校图书馆纸本文献与数字资源的协调发展［ ］ Ｊ．
已成功地应用于信号分析 、 罔像处理和 目标跟踪 ［等方面 。本文 ｚ
进一步将小波变换用 于改进粒 子权 值更新过程 中 ，通 过小滤 阈 值 去噪降低重要密度与后验概率之间 的偏差。
１１ 序贯 重要抽样 （Ｉ ） ． ＳＳ 算法
粒子滤波通过带 有归一化权重 的粒子集来近似 表示 后验概 率 密度 。每一个 粒子的位置和权重反 映了状态空 间在该 位置 的
科技情报开发与经济
文章 编 号 ：０ ５ ６ ３ （ ０ ０ １— ０ ３ ０ １０ — ０ ３ ２ １ ）３ ０ ９ — ３
Ｓ ＩＦ Ｃ Ｆ Ｒ Ａ ＩＮＤ Ｖ Ｌ Ｐ Ｎ Ｃ一 Ｅ ＨＩ Ｏ Ｍ ＴＯ Ｅ Ｅ Ｏ ＭＥ Ｔ＆Ｅ Ｏ Ｏ Ｙ Ｎ ＣＮ Ｍ
２１年 ００
第２卷 ０
第 １ 期 ３
［ ］ 范武 山 ， 国华 ． １ 严 基于 Ａ Ｐ的图书馆期 刊题录库 的 Ｗｅ Ｓ ｂ开
发［］ Ｊ． 农 业 工 程 ，０ ９ 】 ：６ ５ ． 热带 ２ ０ （ ）４ — ０
ｈｍ ｔ．
第一作 者简介 ： 陈
（ 责任编辑 ： 王永胜 ）
东 ， ，９ ３年 ２月 生 ，０ ５年 毕 业 于 男 １８ ２０
数 对后 验 函 数 的偏 差 将 增 大。 将 小 波 去 噪应 用到 粒子 滤 波 过 程 中 ， 降低 了偏 差 ， 高 了 提
改进粒子滤波算法在目标跟踪中的应用实现
１ 引言
对 机动 目标 的跟踪 问题是一个受 被跟踪 目标运 动约
标 跟 踪算法 。
常 用的 目标跟 踪和状态 估计 算法大 致分 为 ２类 ： 即
束的优化 过程 ， 涉及到信 号处理 、通信 、控制 等技术 它
发展 的前沿 问题 ， 目前 国 际上 的热 门研究 方 向之一 。 是 机 动 目标 跟 踪理 论 在 民用 和军 事 领域 都有 着 广 泛
心 应 用算 法 使 用 改进 的粒 子 滤波 算 法 ， 中粒 子 滤 波 算法 的改 进 采和 区 分粒
子的重要性程度 。然后阐述 了将粒子滤波算法移植到嵌入式设备 以实现移动 目标跟踪 的应 用需要 。
关键字 ： 粒子滤波算法 ； 目标跟踪 ； 嵌入 式系统移植 中图分类号 ： Ｐ１ Ｔ ８ 文献标 识码 ： Ａ 文章 编号 ：０ ３ ７ ４ （０００ ０ ４ ０ １０ — ２ １２ １）８ ０ ３ ５
通 信 与 信 息 处 理
Ｃｏｍｍ ｕ ｉ ａ ｉ ｎ ｎ ｏ ｍａ ｉ ｎ Ｐｒ ｃ ｓ ｎ ｎｃ ｔ ｏｎ ａ ｄ Ｉ ｆ ｒ ｔｏ ｏ ｅｓ ｉ ｇ
自动化 技术与应用 》２ １ ０ １年第 ３ ０卷第 ８期
改 进 粒 子 滤 波 算 法 在 目标 跟 踪 中 的 应 用 实 现
的应用 。 民用方 面 ， 以用于 包括 生物 习性研 究 、动物 可
确定性 跟踪算法和随机性跟踪算法。粒子滤波属于典
型 的随机性 跟踪 算法 ， 粒子滤 波 的这 种 随机特 性可 以使
避 免陷入局 部最 优 ， 能较好 的解决 目标跟踪这 种 非线性 问题 。但 是粒子滤 波算法 也有 自身的 不足 ， 了提 高样 为 本 估计 的准 确度 ， 就要设 置 大量数 目的粒子 ， 造成 计算
粒子滤波算法的应用研究
• 106•ELECTRONICS WORLD ・探索与观察粒子滤波算法的应用研究沈阳建筑大学 宋昊霖随着信息技术的不断发展，非线性系统状态估计已逐渐成为一个受到国内外学者重视的热点研究课题。
但随着实际应用对模型的复杂性不断提高，传统的滤波方法已无法满足滤波精度的要求。
粒子滤波技术作为一种非线性数值滤波方法，可以高效地处理非线性，非高斯动态系统状态估计。
在面向更复杂的非线性模型时，无需对非线性系统做线性估计，更符合实际滤波的要求。
1.引言粒子滤波是一种应用蒙特卡洛方法做递推贝叶斯估计的滤波算法。
与传统的滤波方法相似，可以通过驱动模型方程由前一时刻的状态值递推得到下一时刻的空间状态。
它是采用带有权值的粒子进行状态前验分布估计，再参考观测值来得到状态的后验分布。
进而描述系统的状态空间分布。
因为其处理非线性、非高斯动态系统滤波问题的优良特性，在目标跟踪、故障诊断、图像重构等领域均有广泛的应用前景。
2.序贯重要性采样算法（SIS算法）序贯重要性采样算法是粒子滤波算法的核心。
序贯重要性采样算法是从选定的重要性函数采样中得到带有权值的粒子，然后根据最新的观测值，通过似然函数调整粒子权值，最后通过粒子加权和的方式表示系统的状态。
假设重要性概率密度函数为：(1)给定系统状态下各次观测独立，则：(2) (3)后验概率密度函数的递归形式可以表示为：(4)粒子权值的递归形式可以表示为：(5)粒子权值归一化后，则后验滤波概率密度可近似为：(6)但是，SIS 算法存在一个无法避免的问题就是粒子权值会退化。
所以采用有效粒子数N eff 来衡量粒子权值的退化程度，即：(7)有效粒子数越小，表明权值退化越严重。
若要使N eff 小于阈值，可以采用增加粒子数N 等措施。
但粒子数增加会增大算法的复杂性和运算量，所以我们往往会采用重采样算法解决粒子退化问题。
图1 标准粒子滤波算法原理图3.标准粒子滤波算法重采样方法就是在每步迭代过程中，不再直接舍弃权值小的粒子，而是根据粒子权值，对所有粒子进行重新采样，增加粒子的多样性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ＷＡ Ｇ Ｘ ａ ｇ ｙ ，Ｌ ｉ－ｕ ｎ Ｎ ｉ － ｕ Ｉ ｕ ｊａ ，ＷＡ Ｇ Ｌ ｎ ｙ ｇ Ｉ ｕ ｎ － ｕ ｎ Ｘ Ｎ ａ — ｉ ，Ｎ Ｕ Ｇ ａ ｇ ｈ ａ ｎ
（ ｏｌ ｅｏ ｌ ｔ ｃ ｌ ｎ ｉ ｅｉｇ Ｃ ｌ ｇ ｆ ｅ ｒ ａ Ｅ ｇ ｅ ｒ ，Ｈｅ ｎ ｎＵ ｉｅｓ ｙｏ ｅ ｈ ｏ ｇ ，Ｚ ｅ ｇｈ ｕ４ ０ ０ ，Ｃ ｉａ ｅ Ｅ ｃｉ ｎ ｎ ｎ ａ ｎｖ ｒ ｔ ｆ ｃ ｎ ｌ ｙ ｈ ｎ ｚ ｏ ５ ０ ７ ｈｎ ） ｉ Ｔ ｏ
器 或扩 展 卡 尔 曼 滤波 器 。该 种 方 法 假定 目标 的状 态 为高 斯 分 布 ，再 通 过 卡 尔 曼 滤 波 器方 程 估 计 的 均 值 向量 和 协方 差 矩 阵刻 画 目标 的行 为 ［。但 它 １ ］ 要 求适 用 环 境 为 线性 系统 ．当运 动 目标被 遮 挡 或 发 生旋 转 ，或 光 线发 生 变 化 。或 摄 像 机发 生 相 对
Ａｂｓｒ ｃ：Ａｎ ａ ｐ ｏ ｅ ｌｏｉ ｍ ｓｓ ｐ ｏ ｅ ａ ｓ ｈ ｒ ａ ｅｌｒｅ ａ ｕ ｔｏ ａｃ ｌｔｏ ｎ ｅ ｏ ｓｄ ｇ ｎ ｒ ｔ ｎ ｐ ｅ ｏ ｎ ｎ ｉ ｔａｔ ｐ ｒ ｖｄ ａｇ ｒｔ ｈ ｗａ ｕ ｐ ｓｄ ｂ ｃ ｕ ｅｔｅｅ ｈ ｖ ａｇ ｍｏ ｎ ｆｃ ｌｕａｉｎａ ｄ ｓｒ ｕ ｅ ｅ ｅａｉ ｈ ｎ ｍｅ ｏ ｎ ｉ ｏ ｔｅａｇ ｒｔｍ ｆｐ ｒｉｌ ｌｅ．Ｔ ｅ ａｇ ｒｔ ｍ ｆＭｅ ｎ Ｓ ｉ ｓｅ ｅ ｅ ｎｏ ｔｅ ａｇ ｒｔｍ ｆｐ ｒｉｌ ｌｅ．Ｔ ｅ ａ ｐ ｏ ｃ ａ ｍｐ ｖ ｈ ｌｏｉ ｈ ｏ ａｔ ｅ ｆｔｒ ｈ ｌｏｉｈ ｏ ａ ｈｆ ｗａ ｍｂ ｄ ｄ ｉｔ ｈ ｏ ｈ ｏ ａｔ ｅｆ ｔｒ ｈ ｐ ｒａ ｈ ｃ ｎ ｉ ｒ ｅ ｃ ｉ ｔ ｌ ｉ ｃ ｉ ｏ ｔ ｅｄ ｇ ｎ ｒ ｃ ｆｔｅ ｐ ｒｉｌ ｌｅ ｎｄｒｄｕ ｅｔ ｅｒ ｎ ｉｇ ｔ ．Ｍｅｎ ｉｅｔ ｅｎ ｗ ｌｏ ｔｍ ａ ｖ ｒｏ ｈ ｒ ｏ ｎ ｆＭｅ ｈｆ ｈ ｅ ｅ ｅａ ｙｏ ａｔｃｅ ｆ ｔｒａ ｅ ｃ ｈ ｕ ｎｎ ｉ ｈ ｉ ｍｅ ａ ｗｈ ｌ ｈ ｅ ａｇ ｒ ｈ ｃ ｎ ｏ ｅｃ ｍｅｓ ｏｔ ｍｉｇ ｏ ａ Ｓ ｉ ｉ ｃ ｎ ｔ ｗｈｃ ｓｅ ｓ ｏ ｆｌ ｎ ｏｔｅ ｌｃ ｌｍ￣ ｉ ｍ ｎ ａ ｏ ｅ ｒｓｏｅ ．Ｔ ｅ ｒｓ ｌ ｏ ｙ ｔｍ ｉ ｌｔ ｎ ｓ ｏ ｔ ｔｔｅ ｎ ｗ ｐ ｒａ ｈ ｓ ｐ ｉｈ ｉ ａ ｙｔ ａｌｉｔ ｈ ｏ ａ ｍｕ ａ ｄ ｃ ｎ ｎ ｔｂ ｅ ｔｒｄ ｈ ｅ ｕｔ ｆｓｓｅ ｓｍｕａｉ ｈ ｗ ｈａ ｈ ｅ ａ ｐｏ ｃ ｕ — ｏ ｐｏｅ ａ ｔｏ ｇｒａ－ｉ ｎ ｏ ｕ ｔｅｓｉ ｈ ｎｉ ｒｎ ｙ ｔｍ． ｓ ｄｈ ｓｓｒｎ ｅ ｔｍｅａ ｄｒ ｂ ｓｎ ｓ ｎ ｔｅｍｏ ｔｉ ｇ ｓｓｅ ｌ ｏ
（ Ｄ ）出现 多 峰 的情 况 。但 粒子 滤 波存 在 粒子 退 ＰＦ 化 现 象 和 计 算 量 大 等 问 题 。 均 值 漂 移 （ ａ Ｍｅｎ Ｓ ｉ ）算 法 实 时 跟 踪 性 能 比较 好 ，计 算 量 较 小 ， ｈｆ ｔ 作 为一个 模块 应 用于 粒子 的序 列重 要性 采样 阶段 ． 提 高 粒 子 的使 用效 率 。但 是均 值 漂 移 算 法 容易 陷
入 局 部 最大 且 无法 恢 复 。因此 ，本 文 提 出 了将 两
种 方法 相 结 合 应用 于 目标 跟踪 系统 ，最后 通 过 仿
移 动 时 。会 导 致跟 踪 系 统 非 线 性 、非 高斯 分 布 的
出 现 。虽 然 扩 展 卡尔 曼 滤 波 能 够通 过对 非 线 性 系
真 实 验 表 明 ＭｅｎＳ ｉ 粒 子 滤 波算 法 在 目标 跟 踪 ａ ｈｆ ｔ
中具 有更 高 的精度 ，实 时性 能得 到很大 提高 。
统进 行 局 部 线 性化 。但 在 线 性 化处 理过 程 中会 造
２粒 子 滤 波 的 基 本 原 理
粒 子滤 波 就 是 利 用 一 系列 随机 抽取 的样 本 以
其 中系 统状 态 的后 验分 布 用 一组 带 有 权 重 的离 散 采 样来 表达 。其优 点是 适 用 于所 有 非 线性 、非 高 斯 的 运 动 系 统 中 ，能 够 处 理 后 验 概 率 密 度 函 数
进 行稳 定 、鲁 棒 的 实 时跟 踪 是 监 控 系 统 的最 终 目 标 ． 目前 常 用 的 目标 跟 踪 方 法 是 基 于 卡 尔曼 滤 波
究与
一
种 改
摘 要 ：粒 子 滤 波 跟 踪 算 法 计 法 ，该 算 法 可 以 改 善 粒 子 滤
复 的 缺 点 。 监 控 系 统 应 用 的 关 键 词 ：粒 子 滤 波 ：粒 子 退 中 图 分 类 号 ：Ｔ ３ １ Ｐ０． ６
Ｔｈ ｔ ｄ ｆａ ｍ ｐ ｏ ｅ ａ ｋ ｎ ｇ ｒｔ ｍ ｓ ｄ ｏ ｒｉｌ ｉ ｅ ｅ Ｓ ｕ ｙ ｏ ｎ Ｉ ｒ ｖ ｄ Ｔｒ ｃ ｉ ｇ Ａｌ ｏ ｉｈ Ｂａ ｅ ｎ Ｐａ ｔ ｅ Ｆ ｌ ｒ ｃ ｔ
Ｋｅ ｙ ｗｏｒ ｓ ａ ｔ ｌ ｌ ｒ ｈ ｅ ｅ ｅ ａ ｙ ｏ ｅ ｐ ｒｉｌ ｌｅ ； Ｍｅ ｎ Ｓ ｉ ｄ ：ｐ ｒｉ ｅ ｆ ｔ ；ｔ ｅ ｄ ｇ ｎ ｒ ｃ ｆｔ ａ ｔｃ ｅ ｆ ｔｒ ｃ ｉ ｅ ｈ ｉ ａ ｈｆ ｔ
１引 言
近 年 来 ．智 能视 频 监 控 已成 为 计 算 机视 觉 领 域 中最 为活 跃 的研究 内容 之 一 。如 何 对 运 动 目标
（ ｏｌ ｅｏ ｌ ｔ ｃ ｌ ｎ ｉ ｅｉｇ Ｃ ｌ ｇ ｆ ｅ ｒ ａ Ｅ ｇ ｅ ｒ ，Ｈｅ ｎ ｎＵ ｉｅｓ ｙｏ ｅ ｈ ｏ ｇ ，Ｚ ｅ ｇｈ ｕ４ ０ ０ ，Ｃ ｉａ ｅ Ｅ ｃｉ ｎ ｎ ｎ ａ ｎｖ ｒ ｔ ｆ ｃ ｎ ｌ ｙ ｈ ｎ ｚ ｏ ５ ０ ７ ｈｎ ） ｉ Ｔ ｏ
器 或扩 展 卡 尔 曼 滤波 器 。该 种 方 法 假定 目标 的状 态 为高 斯 分 布 ，再 通 过 卡 尔 曼 滤 波 器方 程 估 计 的 均 值 向量 和 协方 差 矩 阵刻 画 目标 的行 为 ［。但 它 １ ］ 要 求适 用 环 境 为 线性 系统 ．当运 动 目标被 遮 挡 或 发 生旋 转 ，或 光 线发 生 变 化 。或 摄 像 机发 生 相 对
Ａｂｓｒ ｃ：Ａｎ ａ ｐ ｏ ｅ ｌｏｉ ｍ ｓｓ ｐ ｏ ｅ ａ ｓ ｈ ｒ ａ ｅｌｒｅ ａ ｕ ｔｏ ａｃ ｌｔｏ ｎ ｅ ｏ ｓｄ ｇ ｎ ｒ ｔ ｎ ｐ ｅ ｏ ｎ ｎ ｉ ｔａｔ ｐ ｒ ｖｄ ａｇ ｒｔ ｈ ｗａ ｕ ｐ ｓｄ ｂ ｃ ｕ ｅｔｅｅ ｈ ｖ ａｇ ｍｏ ｎ ｆｃ ｌｕａｉｎａ ｄ ｓｒ ｕ ｅ ｅ ｅａｉ ｈ ｎ ｍｅ ｏ ｎ ｉ ｏ ｔｅａｇ ｒｔｍ ｆｐ ｒｉｌ ｌｅ．Ｔ ｅ ａｇ ｒｔ ｍ ｆＭｅ ｎ Ｓ ｉ ｓｅ ｅ ｅ ｎｏ ｔｅ ａｇ ｒｔｍ ｆｐ ｒｉｌ ｌｅ．Ｔ ｅ ａ ｐ ｏ ｃ ａ ｍｐ ｖ ｈ ｌｏｉ ｈ ｏ ａｔ ｅ ｆｔｒ ｈ ｌｏｉｈ ｏ ａ ｈｆ ｗａ ｍｂ ｄ ｄ ｉｔ ｈ ｏ ｈ ｏ ａｔ ｅｆ ｔｒ ｈ ｐ ｒａ ｈ ｃ ｎ ｉ ｒ ｅ ｃ ｉ ｔ ｌ ｉ ｃ ｉ ｏ ｔ ｅｄ ｇ ｎ ｒ ｃ ｆｔｅ ｐ ｒｉｌ ｌｅ ｎｄｒｄｕ ｅｔ ｅｒ ｎ ｉｇ ｔ ．Ｍｅｎ ｉｅｔ ｅｎ ｗ ｌｏ ｔｍ ａ ｖ ｒｏ ｈ ｒ ｏ ｎ ｆＭｅ ｈｆ ｈ ｅ ｅ ｅａ ｙｏ ａｔｃｅ ｆ ｔｒａ ｅ ｃ ｈ ｕ ｎｎ ｉ ｈ ｉ ｍｅ ａ ｗｈ ｌ ｈ ｅ ａｇ ｒ ｈ ｃ ｎ ｏ ｅｃ ｍｅｓ ｏｔ ｍｉｇ ｏ ａ Ｓ ｉ ｉ ｃ ｎ ｔ ｗｈｃ ｓｅ ｓ ｏ ｆｌ ｎ ｏｔｅ ｌｃ ｌｍ￣ ｉ ｍ ｎ ａ ｏ ｅ ｒｓｏｅ ．Ｔ ｅ ｒｓ ｌ ｏ ｙ ｔｍ ｉ ｌｔ ｎ ｓ ｏ ｔ ｔｔｅ ｎ ｗ ｐ ｒａ ｈ ｓ ｐ ｉｈ ｉ ａ ｙｔ ａｌｉｔ ｈ ｏ ａ ｍｕ ａ ｄ ｃ ｎ ｎ ｔｂ ｅ ｔｒｄ ｈ ｅ ｕｔ ｆｓｓｅ ｓｍｕａｉ ｈ ｗ ｈａ ｈ ｅ ａ ｐｏ ｃ ｕ — ｏ ｐｏｅ ａ ｔｏ ｇｒａ－ｉ ｎ ｏ ｕ ｔｅｓｉ ｈ ｎｉ ｒｎ ｙ ｔｍ． ｓ ｄｈ ｓｓｒｎ ｅ ｔｍｅａ ｄｒ ｂ ｓｎ ｓ ｎ ｔｅｍｏ ｔｉ ｇ ｓｓｅ ｌ ｏ
（ Ｄ ）出现 多 峰 的情 况 。但 粒子 滤 波存 在 粒子 退 ＰＦ 化 现 象 和 计 算 量 大 等 问 题 。 均 值 漂 移 （ ａ Ｍｅｎ Ｓ ｉ ）算 法 实 时 跟 踪 性 能 比较 好 ，计 算 量 较 小 ， ｈｆ ｔ 作 为一个 模块 应 用于 粒子 的序 列重 要性 采样 阶段 ． 提 高 粒 子 的使 用效 率 。但 是均 值 漂 移 算 法 容易 陷
入 局 部 最大 且 无法 恢 复 。因此 ，本 文 提 出 了将 两
种 方法 相 结 合 应用 于 目标 跟踪 系统 ，最后 通 过 仿
移 动 时 。会 导 致跟 踪 系 统 非 线 性 、非 高斯 分 布 的
出 现 。虽 然 扩 展 卡尔 曼 滤 波 能 够通 过对 非 线 性 系
真 实 验 表 明 ＭｅｎＳ ｉ 粒 子 滤 波算 法 在 目标 跟 踪 ａ ｈｆ ｔ
中具 有更 高 的精度 ，实 时性 能得 到很大 提高 。
统进 行 局 部 线 性化 。但 在 线 性 化处 理过 程 中会 造
２粒 子 滤 波 的 基 本 原 理
粒 子滤 波 就 是 利 用 一 系列 随机 抽取 的样 本 以
其 中系 统状 态 的后 验分 布 用 一组 带 有 权 重 的离 散 采 样来 表达 。其优 点是 适 用 于所 有 非 线性 、非 高 斯 的 运 动 系 统 中 ，能 够 处 理 后 验 概 率 密 度 函 数
进 行稳 定 、鲁 棒 的 实 时跟 踪 是 监 控 系 统 的最 终 目 标 ． 目前 常 用 的 目标 跟 踪 方 法 是 基 于 卡 尔曼 滤 波
究与
一
种 改
摘 要 ：粒 子 滤 波 跟 踪 算 法 计 法 ，该 算 法 可 以 改 善 粒 子 滤
复 的 缺 点 。 监 控 系 统 应 用 的 关 键 词 ：粒 子 滤 波 ：粒 子 退 中 图 分 类 号 ：Ｔ ３ １ Ｐ０． ６
Ｔｈ ｔ ｄ ｆａ ｍ ｐ ｏ ｅ ａ ｋ ｎ ｇ ｒｔ ｍ ｓ ｄ ｏ ｒｉｌ ｉ ｅ ｅ Ｓ ｕ ｙ ｏ ｎ Ｉ ｒ ｖ ｄ Ｔｒ ｃ ｉ ｇ Ａｌ ｏ ｉｈ Ｂａ ｅ ｎ Ｐａ ｔ ｅ Ｆ ｌ ｒ ｃ ｔ
Ｋｅ ｙ ｗｏｒ ｓ ａ ｔ ｌ ｌ ｒ ｈ ｅ ｅ ｅ ａ ｙ ｏ ｅ ｐ ｒｉｌ ｌｅ ； Ｍｅ ｎ Ｓ ｉ ｄ ：ｐ ｒｉ ｅ ｆ ｔ ；ｔ ｅ ｄ ｇ ｎ ｒ ｃ ｆｔ ａ ｔｃ ｅ ｆ ｔｒ ｃ ｉ ｅ ｈ ｉ ａ ｈｆ ｔ
１引 言
近 年 来 ．智 能视 频 监 控 已成 为 计 算 机视 觉 领 域 中最 为活 跃 的研究 内容 之 一 。如 何 对 运 动 目标