基于粒子滤波的目标跟踪算法.pptVIP

基于粒子滤波的目标跟踪 主讲人：季智坚 什么是目标跟踪？ 目标跟踪的目的是在连续的时间序列中，“找出”用户所感兴趣的目标。而目标可以由自身状态来描述，因此跟踪问题等价于对目标状态的求解，这个求解过程可以用估计理论来实现 什么是粒子滤波？ 粒子滤波器（又称为CONDENSATION、Bootstrap?Filter或 Sequential?Monte?Carlo?Filter）分别由信号处理、计算机视觉、 统计等领域独立地提出用以解决非高斯、非线性贝叶斯递推滤波问题。粒子滤波是以Monte?Carlo随机模拟理论为基础，将系统状态 后验分布用一组加权随机样本（称为粒子）近似表示，新的状态分布通过这些随机样本的贝叶斯递推估计。 粒子滤波在国内外研究现状 国外对粒子滤波的研究起步较早。早在二十世纪五十年代Hammersley等人就提出一种被称为Sequential Important Sampling(SIS)的方法。到了六十年代后期Handschi等将SIS法应用于控制领域。七十年代各个领域的学者继续沿着SIS的思路研究，在这以后一系列改进的SIS算法相继出现。但是，SIS算法容易导致粒子退化现象(Particle Degeneracy)，影响了它在实际中的推广应用。直到1993 年， Gordon 等人提出了采样重要性重采样算法 (Samp