复杂动态场景下运动目标跟踪的卡尔曼粒子滤波方法.pdfVIP

激 与 电子学进展 5l，091001(20l4) Laser 0pt0electronicsProgress ~2o14(中国激光》杂志社 复杂动态场景下运动 目标跟踪的卡尔曼粒子滤波方法 廖逸琪 任侃 顾国华 钱惟贤 徐富元 南京理工大学 电光学 院，江苏 南京 210094 摘要 针对复杂动态场景 中粒子滤波算法跟踪 目标时稳定性不高且易受背景噪声影响的特点，提出了改进的卡尔曼 粒子滤波 (KPF)目标跟踪算法 。利用卡尔曼嵌入粒子滤波的方法对粒子滤波预测 的状态值进行二次预测 ，并且利用 二次采样技术增强粒子 的丰富度 ，从而在一定程度上消除背景噪声的影响。同时为 了满足卡尔曼滤波对线性运动 的 要求 以及消除背景快速变化对跟踪精度 的影响，采用灰度投影算法计算背景偏移从而进行运动补偿 。实验结果表 明，改进 的卡尔曼粒子滤波跟踪算法在复杂动态场景 中可以有效地跟踪运动 目标 ，证 明提 出的KPF算法精度高、稳 健性强 、实时性好 。 关键词 图像处理 ；目标跟踪 ；灰度投影算法 ；卡尔曼算法 ；粒子滤波 ；稳健性 中图分类号 TP91．4 文献标识码 A doi：10．3788L／OP51．091001 Kalm anParticleFilterAlgorithm forM ovingTargetTrackingBased ontheComplex Dynam icScene LiaoYiqi RenKan GuGuohua QianWeixian XuFuyuan SchoolofElectronicandOpticalEngineering，NanjingUniversityofScienceandTechnology Nanjing，Jiangsu210094，China Abstract Aim ing attheunstablecharacteristics oftheparticle filteralgorithm which is easily affected by backgroundnoiseincomplexdynamicscenewhileitistrackingtarget．animprovedKalmanparticlefilter(KPF) target—trackingalgorithm isputforward．ThemethodofusingembeddedKalmanparticlefilterisusedtopredict the predicted status value ofparticle filter secondarily．And the secondary sam pling technique isused to enhanceparticlerichness，and thuselim inatesthe influenceofbackgroundnoisetoa certain extent．Besidesin orderto meettherequirementsofKalman on linearmotion and to elim inatethe effectofrapid background changeontrackingaccuracy，thegrayprojectionalgorithm ispromotedtocalculatethebackgroundmigration formotioncompensation．Theexperimentresultsshow thattheimprovedKalmanparticlefilteralgorithm can effectivelytrackthemovingobjectinthe complex dynamicscene，whichprovesthatthepropposed KPF algorithm hashighprecisio