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
- 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