一种改进的粒子滤波跟踪算法的应用研究.pdfVIP

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 ：TP301．6 TheStudyofan ImprovedTrackingAlgorithm BasedonParticleFilter WANGXiang-yu，LIXiu-juan，WANGLan—ying，NIUGuang-hua (CollegeofElectricalEngineering，HennanUniversityofTechnology，Zhengzhou450007，China) Abstract：Anapprovedalgorithm wassupposedbecausetherehavelargeamountofcalculationandseriousdegenerationphenomenonin thealgorithm ofparticlefilter．Thealgorithm ofMeanShiftwasembeded intothealgorithm ofparticlefilter．Theapproachcanimprove thedegeneracyoftheparticlefilterandreducetherunningtime．Meanwhilethenew algorithm canovercomeshortcomingofMena Shift whichiseasytofallintothelocalm~imum andcannotberestored．Theresultofsystem simulationshow thatthenew approachsup— posedhasstrongreal-timeandrobustnessinthemonitoringsystem． Keywords：particlefilter；thedegeneracyoftheparticlefilter；MeanShift 1引言 其 中系统状态 的后验分布用一组带有权重的离散 近年来 ．智能视频监控 已成为计算机视觉领 采样来表达 。其优 点是适用于所有非线性 、非高 域 中最为活跃 的研究 内容之一 。如何对运动 目标 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 (PDF)出现多峰的情况。但粒子滤波存在粒子退 标 ．目前常用的 目标跟踪方法是基于卡尔曼滤波 化现象和计算量大等 问题 。均值漂移 (Mean 器或扩展卡尔曼滤波器 。该种方法假定 目标 的状 Shift)算法实时跟踪性能比较好 ，计算量较小， 态为高斯分布 ，再通过卡尔曼滤波器方程估计 的 作为一个模块应用于粒子的序列重要性采样阶段 ． 均值向量和协方差矩阵刻画 目标 的行为 [1]。但它 提高粒子的使用效率 。但是均值漂移算法容易陷 要求适用环境为线性系统 ．当运动 目标被遮挡或 入局部最大且无法恢复 。因此 ，本文提出了将两 发生旋转 ，或光线发生变化 。或摄像机发生相对 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 真实验表明MeanShift粒子滤波算法在 目标跟踪 出现。虽然扩展卡尔曼滤波能够通过对非线性系 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 成信息缺失，其性能在某些应用中难 以满足实际 粒子滤波就是利用一系列随机抽取的样本以 需要 。