基矛P—N跟踪器的自适应粒子滤波算法
一种改进的粒子滤波目标跟踪算法
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
一种基于粒子滤波的自适应相关跟踪算法
一种基于粒子滤波的自适应相关跟踪算法姚剑敏;辛琦;郭太良【期刊名称】《武汉理工大学学报（信息与管理工程版）》【年(卷),期】2008(030)001【摘要】相关跟踪是最常见的一种目标跟踪方法,但传统相关跟踪采取的"峰值"跟踪方法抛弃了所有小于峰值点相关值的位置点的信息,不够稳健,受遮挡影响大,并且很难求解相关模板的仿射变形参数.提出了一种改进的非线性相关跟踪算法,以改进的灰度模板作为目标表示方式,粒子的权值与相关值成比例,目标状态的后验概率由粒子加权表示.模板更新时根据粒子权值进行自适应调节,对所有粒子所在位置的区域进行加权更新,权值大的粒子具有更高的更新系数,避免了仅利用单一峰值点处的模板进行更新可能造成的误差累计.该算法大大提高了跟踪与模板更新的鲁棒性,同时也是一种在仿射空间进行运动参数搜索的实用方法.【总页数】4页(P6-9)【作者】姚剑敏;辛琦;郭太良【作者单位】福州大学,物理与信息工程学院,福建,福州,350002;福州大学,物理与信息工程学院,福建,福州,350002;福州大学,物理与信息工程学院,福建,福州,350002【正文语种】中文【中图分类】TP391.4【相关文献】1.一种尺度自适应的粒子滤波跟踪算法 [J], 师改梅;周建雄;张笑微;彭定明;万妍2.一种自适应融合颜色和梯度方向特征的粒子滤波跟踪算法 [J], 魏天舒;尹丽菊;高明亮;邹国锋;臧圆茹3.基于自适应粒子群优化的粒子滤波跟踪算法 [J], 林晓杰;索继东4.基于自适应粒子滤波的无人机目标跟踪算法研究 [J], 王娜;汪振东;屈喜琴5.基于自适应交互式多模型粒子滤波的分布式说话人跟踪算法 [J], 代金良;陈喆;殷福亮因版权原因，仅展示原文概要，查看原文内容请购买。
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
高精度导航系统中的粒子滤波算法研究
高精度导航系统中的粒子滤波算法研究导航系统是现代社会中非常重要的一项技术，广泛应用于航空、航海、交通、军事等领域。
高精度导航系统通过利用各种传感器和算法，能够准确地估计车辆、船舶或飞机的位置、速度和姿态等信息。
其中，粒子滤波算法是一种重要的定位和导航算法，具有很高的应用价值和研究意义。
粒子滤波算法是一种基于概率的非线性滤波算法，通过利用一系列粒子来对位置和状态进行估计。
该算法最早由Isard和Blake于1998年提出，主要解决了非线性系统下的滤波问题。
粒子滤波算法通过随机采样来表示概率密度函数，并通过粒子的重要性权重来对不同粒子进行加权，从而实现对系统状态的估计。
高精度导航系统中的粒子滤波算法主要用于定位和导航。
对于定位问题，算法通过融合地图信息和传感器测量数据，能够估计出车辆、船舶或飞机的位置和姿态信息。
同时，还可以通过动态定位来实时校正传感器的误差和偏差，提高定位的精度和稳定性。
在导航问题中，粒子滤波算法能够有效地解决非线性和非高斯问题。
传统的滤波算法，如卡尔曼滤波算法，通常假设系统服从高斯分布，并且要求系统是线性的。
然而，在实际导航中，由于环境条件和传感器误差的影响，系统通常是非线性和非高斯的。
粒子滤波算法通过引入随机采样和重要性权重的方法，能够有效地处理这些非线性和非高斯情况，提高导航精度。
粒子滤波算法在高精度导航系统中的应用主要有以下几个方面：首先，粒子滤波算法可以用于辅助传感器数据融合。
高精度导航系统通常使用多种传感器来获取定位信息，如GPS、惯性导航系统、视觉传感器等。
这些传感器往往会受到各种误差和干扰的影响，导致测量结果不准确。
粒子滤波算法可以通过融合这些传感器的数据，并对不同传感器的可靠性进行评估，从而提高整体的定位精度。
其次，粒子滤波算法可以用于路径规划和航迹跟踪。
导航系统的一个重要任务是根据当前位置和目标位置规划最优路径，并实时调整航向和速度来跟踪预定的路径。
粒子滤波算法可以根据传感器数据和地图信息，对当前位置进行估计，并通过优化算法来计算最优路径和航迹。
基于改进粒子滤波的机动目标自适应跟踪算法
基于改进粒子滤波的机动目标自适应跟踪算法王树亮;阮怀林;翁晓君【摘要】在粒子滤波的基础上融合扩展卡尔曼滤波算法,融合后的算法在计算提议概率密度分布时,充分考虑当前时刻的量测,使粒子的分布更加接近状态的后验概率分布.将此改进粒子滤波算法在"当前"统计模型框架下进行机动目标自适应跟踪.仿真实验验证了该种方法对机动目标的良好自适应跟踪性能.【期刊名称】《微型机与应用》【年(卷),期】2010(029)016【总页数】4页(P83-86)【关键词】粒子滤波;自适应跟踪;机动目标【作者】王树亮;阮怀林;翁晓君【作者单位】合肥电子工程学院,安徽,合肥,230037;合肥电子工程学院,安徽,合肥,230037;合肥电子工程学院,安徽,合肥,230037【正文语种】中文【中图分类】TP275对运动目标(如船、飞行器等)的跟踪，主要使用雷达跟踪系统。
在实际处理数据时，需要使用状态空间表示法对过程建模。
在雷达跟踪系统中，目标位置的测量值是在与传感器位置相关的极坐标系下得到的。
因此，雷达目标跟踪是一个非线性问题[1-3]。
常用的非线性滤波方法有扩展卡尔曼滤波(EKF)和不敏卡尔曼滤波(UKF)，但这两种算法都基于模型线性化和高斯假设条件。
在处理非线性非高斯问题时，Gordon[4]等首次将粒子滤波（PF）应用到状态估计中，PF不需要对状态变量的概率密度作过多的约束，它是非高斯非线性系统状态估计的“最优”滤波器。
跟踪机动目标时，若所建的目标运动模型与实际运动情况不吻合，滤波估计会出现发散现象。
为了解决机动目标的跟踪问题，许多学者对此进行了深入研究，提出Singer模型[5]、半马尔可夫模型[6]等。
这些模型都属于全局统计模型，考虑了目标所有机动变化的可能，适合于各种类型的目标机动。
在此基础上，我国学者周宏仁教授提出了“当前”统计模型[7]，采用非零均值和修正瑞利分布表征机动加速度特性，因而更符合实际。
一种新的自适应粒子滤波单通道盲分离算法
一种新的自适应粒子滤波单通道盲分离算法LI Xiong-feng;GAO Yong【摘要】目前,解决成对载波多址单通道盲分离问题的主要方法之一是粒子滤波.以往的分离算法中,粒子数往往是固定的.盲分离粒子滤波算法在经过若干次迭代和重采样过后,存在一些权重数量级非常小的粒子,这些粒子不仅对后验概率密度的贡献甚微,而且会浪费大量的运算时间,导致算法效率低下.为提高效率,根据粒子滤波盲分离的特点,在参数大致收敛之后,采用一种自适应的算法降低粒子数目.此方法在保证了精度的同时,降低了计算复杂度.仿真结果表明,改进的算法相比传统粒子滤波算法复杂度降低了约1/6左右,低信噪比条件下精度比传统算法更高.【期刊名称】《科学技术与工程》【年(卷),期】2018(018)036【总页数】6页(P41-46)【关键词】粒子滤波;单通道;盲分离;自适应【作者】LI Xiong-feng;GAO Yong【作者单位】【正文语种】中文【中图分类】TN911.7盲信号分离广泛应用于图像处理、生物医学、语音、通信等领域，粒子滤波是解决单通道盲分离问题的主要方法之一。
短短几年的时间，粒子滤波算法获得了较大的发展。
粒子滤波是一种序贯重要性采样方法，其最大的问题是计算的复杂度和粒子退化问题，粒子数越多，花费的时间越多，经过若干次迭代后，重要性权值可能集中在少数几个粒子上，从而造成粒子退化、多样性缺失。
文献[1]根据当前观测，利用核密度估计方法重新计算采样的位置和权值。
文献[2]使用SVR(支持向量回归)方法对似然函数进行平滑，计算更准确的采样权值，提高了采样效率。
改善粒子退化的方法也有很多，如裂变重采样[3]、不完全重采样[4]、简单重采样算法[5]、遗传重采样[6]，由于粒子滤波的计算量主要集中在符号采样和粒子权重更新上，因此以上方法计算量几乎不变。
减小计算量最直接的方法是减少粒子数目。
已提出的减粒子数的方法有基于似然度的自适应方法[7]、KLD采样方法[8]、复合样本数目自适应调整方法[9]，以及用在目标跟踪的自适应粒子滤波算法[10]。
一种尺度自适应的粒子滤波跟踪算法
一种尺度自适应的粒子滤波跟踪算法
师改梅;周建雄;张笑微;彭定明;万妍
【期刊名称】《电视技术》
【年(卷),期】2009(033)001
【摘要】针对复杂背景下目标发生旋转、遮挡、尺度变化和摄像机运动时不能实时跟踪到目标的问题,将最佳核窗宽方法和信息量度量方法相结合,用于粒子滤波框架中.各个粒子通过均值偏移来搜索峰值,同时加入了相应的遮挡策略.实验结果表明,该算法在目标发生旋转、遮挡后仍能很好地跟踪到目标.同时跟踪窗能随目标尺度的大小变化作相应调整,大大提高了算法的实时性和稳健性.
【总页数】4页(P24-26,53)
【作者】师改梅;周建雄;张笑微;彭定明;万妍
【作者单位】西南科技大学,信息工程学院,四川,绵阳,621010;西南科技大学,信息工程学院,四川,绵阳,621010;西南科技大学,信息工程学院,四川,绵阳,621010;中国兵器工业部第58研究所,军品部,四川,绵阳,621000;西南科技大学,信息工程学院,四川,绵阳,621010
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.一种基于粒子滤波的自适应相关跟踪算法 [J], 姚剑敏;辛琦;郭太良
2.一种尺度自适应的核相关滤波跟踪算法 [J], 林庆;占林森
3.一种抗遮挡的自适应尺度目标跟踪算法 [J], 瞿中;赵从梅
4.一种自适应融合颜色和梯度方向特征的粒子滤波跟踪算法 [J], 魏天舒;尹丽菊;高明亮;邹国锋;臧圆茹
5.一种自适应尺度与学习速率调整的背景感知相关滤波跟踪算法 [J], 陈媛;惠燕;胡秀华
因版权原因，仅展示原文概要，查看原文内容请购买。
机器人定位中的自适应粒子滤波算法
机器人定位中的自适应粒子滤波算法蒋正伟;谷源涛【期刊名称】《自动化学报》【年(卷),期】2005(31)6【摘要】The research of robot localization aims at accuracy, simplicity and robustness. This article improves the performance of particle filters in robot localization via the utilization of novel adaptive technique. The proposed algorithm introduces probability retracing to initialize particle sets, uses consecutive window filtering to update particle sets, and refreshes the size of particle set according to the estimation state. Extensive simulations show that the proposed algorithm is much more effective than the traditional particle filters. The proposed algorithm successfully solves the nonlinear, non-Gaussian state estimation problem of robot localization.【总页数】6页(P833-838)【作者】蒋正伟;谷源涛【作者单位】Department of Electronic Engineering, Tsinghua University, Beijing 100084;Department of Electronic Engineering, Tsinghua University, Beijing 100084【正文语种】中文【中图分类】TP2【相关文献】1.基于改进粒子滤波算法的移动机器人同步定位研究 [J], 李丽丽;宋志章2.基于JSD自适应粒子滤波的移动机器人定位算法 [J], 刘红林; 凌有铸; 陈孟元3.基于JSD自适应粒子滤波的移动机器人定位算法 [J], 刘红林; 凌有铸; 陈孟元4.移动机器人自适应抗差无迹粒子滤波定位算法 [J], 刘洞波;杨高波;肖鹏;屈喜龙;刘长松5.一种基于自适应进化粒子滤波的移动机器人定位方法 [J], 夏益民;杨宜民因版权原因，仅展示原文概要，查看原文内容请购买。
基于粒子滤波的目标跟踪算法浅析
基于粒子滤波的目标跟踪算法浅析作者：高翔来源：《硅谷》2011年第09期摘要：所做的工作是利用粒子滤波理论解决目标跟踪所面临的技术问题。
首先介绍粒子滤波中的两种重要算法：贝叶斯理论和蒙特卡罗方法，接着在此基础上详细阐述基于粒子滤波的目标跟踪算法。
关键词：目标跟踪；粒子滤波；序列重要性采样中图分类号：TN.2文献标识码：A文章编号：1671－7597（2011）0510193－021 绪论粒子滤波技术在非线性、非高斯系统表现出来的优越性，决定了它的应用范围非常广泛。
另外，粒子滤波器的多模态处理能力，也是它应用广泛有原因之一。
本文首先介绍了粒子滤波理论的基础，接下来在此基础上研究了基于粒子滤波的目标跟踪算法。
2 粒子滤波的计算理论方法2.1 贝叶斯理论贝叶斯估计理论较经典的统计估计理论具有更大的优势，逐渐成为科学界推理的一个重要工具。
贝叶斯推论提供了一种与传统方法不同的概率分布形式的估计，它利用所有的已知信息来构造系统状态变量的后验概率密度，即用系统模型预测状态的先验概率密度，再利用最新的量测值进行修正，得到后验概率密度。
这样它就包括了量测值和先验知识在內的所有可以利用的信息，得到的估计误差自然就小一些。
我们将会描述一个以状态x为参数的一般模型的框架，其中t表示离散时t间。
对于跟踪所关心的分布是后验概其中预测阶段是一个边缘分布，而新的滤波分布则是由贝叶斯法则直接得到的。
递归过程的完成需要有状态演进的动态模型和一个当前测量值的状态似然模型，迭代过程用一些初始状态的分布来初始化。
上述跟踪迭代只是在极少的情况下具有严格的表述形式。
其中最著名的是用于线性和高斯动态系统与似然模型的卡尔曼滤波器（KF），而对于一般的非线性和非高斯模型跟踪迭代变得束手无策，这时就需要逼近技术。
而序列蒙特卡罗方法也叫粒子滤波器由于它们具有有效、简单、适应性强、易实现等优点，作为一个计算复杂模型的跟踪迭代近似方案近年来受到广泛的欢迎。
基于粒子滤波器的运动目标跟踪技术研究
基于粒子滤波器的运动目标跟踪技术研究随着计算机视觉技术的不断发展，目标跟踪技术的应用也越来越广泛。
在很多领域，例如智能车载系统、无人机等领域，目标跟踪技术的高效运用对系统的性能和应用价值有着非常重要的影响。
目标跟踪技术是指根据目标在图像或视频帧上的位置信息，利用图像处理算法实时或者离线跟踪目标的运动轨迹，在视频监控、交通管理、智能安防等领域得到了广泛的应用。
不同的跟踪算法在不同的应用领域具有各自的优势和限制。
其中基于粒子滤波器的目标跟踪算法在实时性和准确性上有着很好的表现。
一、基于粒子滤波器的目标跟踪原理粒子滤波器，又称蒙地卡罗滤波器（Monte Carlo Filter），是一种基于粒子的非参数贝叶斯滤波算法。
它是一种逐步估计，即递归地尝试预测未来状态，并将预测与观察值相比较的滤波器。
在基于粒子滤波器的目标跟踪算法中，目标的状态用一组粒子表示，每个粒子代表目标的可能状态。
根据当前帧的图像信息，通过计算每个粒子对应目标状态的权重，选择权重大的粒子更新目标状态的估计值。
这样就可以实现对目标的跟踪。
二、基于粒子滤波器的目标跟踪应用场景粒子滤波器算法在目标跟踪领域大有应用。
在智能交通管理领域中，粒子滤波器可被用于交通流监测和拥堵识别。
在智能车载系统中，粒子滤波器可用于实现车辆和行人的目标跟踪和识别。
在无人机领域，粒子滤波器可用于识别和跟踪无人机、定位和目标检测等。
除此之外，基于粒子滤波器的目标跟踪技术还被广泛应用于视频监控、智能安防等领域。
三、基于粒子滤波器的目标跟踪算法的优缺点（1）优点使用粒子滤波器的目标跟踪算法能够克服传统跟踪算法中对目标形状、灰度等信息的依赖。
此外，在多目标跟踪问题中，可以有效地解决目标之间相互遮挡、完全重叠、交叉等问题。
（2）缺点基于粒子滤波器的目标跟踪算法计算量较大，随着目标数量增加，计算量呈指数组合增加。
在长时间的跟踪中，容易出现粒子退化的问题，即最可能的状态占据过多的粒子，导致估计值偏差较大。
- 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)。
ＸＵ — ａ ｇ ，Ｌ ｉ — ｕ Ｅ Ｙａ ｙ ｎ ’ Ｉ ｎ ｈ ｉ，ＸＩ ｅ ｇ Ｊ ＡＯ Ｆ ｎ
（． ｃ ｏｌｆＣ ｍ ｕ ｒ ｃ ｎｅａｄ Ｔｃ ｎｌ ｙ Ｘ ’ Ｔｃ ｎｌ ｉ ｌ １ Ｓｈ ｏ ｏ ｏ ｐ ｔ ｉ ｃ ｎ ｅｈｏｏ ， ｉ吼 ｅｈ ｏ ｃ ｅ Ｓｅ ｇ ｏ ｇａ
ａ ｐ ｏ ｒａｅ ｓｒ ｔｇ ｙ ａ ｃ Ｈ ｎ ｔ ｅ ｒ ｓ ｍｐ ｅ ｓｅ ｃ ｏ ｄ ｎ ｈ ｉ ｅ ｅ ｔｏ ｔ ｕ ｆｔ ｅ Ｐ Ｎ ｔ ｃ ｅ ，ｓ ｃ ｓ ｄ ｆ ｒ ｎ ｐ ｒ ｐ ｉ ｔ ｔ ｅ ｙ ｄ ｎ ｍｉａ ｙ ｉ ｈ ｅ ａ ｌ ｔ ｐ ａ ｃ ｒ ｉ ｇ ｔ ｔ ｅ ｄ ｆ ｒ ｎ ｕ ｐ ｔ － ｒ ｋ ｒ ｕ ｈ ａ ｉ ｅ ｅ ｔ ａ ｏ ｆ ｏ ｈ ａ
关 键 词 ： 目 标 跟 踪 ；粒 子 滤 波 ；重 采 样 ；Ｐ Ｎ 跟 踪 器 ～
中图 分 类 号 ：ｒ ３ ９ Ｐ ９
文献标识码 ： Ａ
文 章 编 号 ：１ ７ — ２ ６ ２ １ ） ７ ０ ５ — ３ ６ ４ ６ ３ （０ １ １— １３ ０
Ｓ ｌ－ ｄａ ｔ ｄ ｐａ ｔｃｅ ｆｌｅ ｓ ｄ ｏ ｅｆ ａ ｐ ｅ ｒ ｉ ｌ ｔ ｒ ｂａ ｅ ｎ Ｐ—Ｎ ｒ ｃ ｒ ｉ ｔ ａ ｋｅ
合 的 目标 跟 踪 方 法 。 首 先 构 造 Ｐ Ｎ跟 踪 器 ， 用跟 踪 器 来确 定 目标 区域 范 围 并输 出置 信 度 ， — 利 以此 作 为 对 目标 物 体 定
位 的依 据 ； 滤 波 过 程 中 ， 据 跟 踪 器 结 果 来 进 行 粒 子 重 采 样 过 程 ， 在 依 完成 了对 抽 样 粒 子 集 的 自适 应 调 节 ， 高 了 粒 子 提 数 量 ， 效 降低 了粒 子 数 量 。 而达 到 了抑 制 粒 子 衰 退 和 动 态调 整 计 算量 的 目的 。 有 从 实验 证 明将 该 方 法 应 用 于 实时摄 像 头采 集视 频 跟 踪 。 传 统 粒 子 滤 波 算 法 比 。 抗 粒 子 衰 退 与 减 少 粒 子 数 量 方 面 有 明 显 改 善 。 与 在
ｐ ｏ ｅ ｓｎ ｐ ｅ ｎ ｏ ｕ ａｉ ｎ ａ ｅｔａ ｉ ｏ ａ ａ ｔ ｌ ｔ ｏ ． ｒ ｃ ｓ ｉ ｇｓ ｅ ｄ ａ ｄｃ ｍｐ ｔｔ ａ ｔ ｎ ｔ ｄ ｔ ｎ ｌ ｒｉ ｅｍｅｈ ｄ ｏｌ ｈ ｈ ｒ ｉ ｐ ｃ
Ｋｅ ｒ ｓ ｏｊｃ ｔ ｃｉｇ ｐｒｃ ｌ ｒ ｒｓｍ ｌ； ， ａｋｒ ｙｗｏｄ ： ｂｅｔ ａｋｎ ； ａ ｉｌ ｆｔ ；ｅａ ｐｅ ＰＮｔ ｃｅ ｒ ｔ ｅｉ ｅ ｒ
第 １ 第 ｌ ９卷 ７期
Ｖ０ ． ９ １ １
Ｎｏ １ ．７
电 子 设 计 工 程
Ｅ ｅ ｔ ｎ ｃ Ｄｅ ｉｎ Ｅｎ ｉ ｅ ｒｎ ｌ ｃｒ ｉ ｓｇ ｇ ｎ ｅ ｉ ｇ ｏ
２ １ 年 ９月 ０１
Ｓｐ ２ １ ｅ． ０ １
基 矛 Ｐ Ｎ 跟 踪 器 的 自适 应， ’ ７ ０ ３ ，Ｃ ｉａ Ｘｉ帆 １０ ２ ｈｎ；
２ Ｄ ｐ ｒ ｅ ｔｆＭａ ｅ ａｉ ｎ ｈｓ ｓ Ｘｉ ｎＴ ｃｎ ｌ ｉａ Ｕ ｉｅ ， ／ａ １０ ２ Ｃ ｉ ） ． ｅ ａｔ ｎ ｏ ｔ ｍ ｔ ｓ ｄＰ ｙｉ ， ’ ｅｈ ｏ ｃ ｌ ｎｖｒ ｍ ｈ ｃａ ｃ ａ ｏ ｇ ｓ Ｘ ’ｎ７ ０ ３ ， ｈｎ ａ
ｒｎ ｅａ ｄｎ ｍｂ ｒｏ ｅｒｓｍｐｅ Ｔ ｕ ｈ ｅ ｅ ｅａ ｙｐ ｅ ｏ ｎ ｎ ｉ ｒｄ ｃ ｄｅ ｅ ｔ ｅｙａ ｄ ｔｅｃ ｍｐ ｔｔ ｎ ｌｉ ａ ｊｓｅ ａ ｇ ｎ ｕ ｅ ｆ ｈ ａ ｌ． ｈ ｓｔｅｄ ｇ ｎ ｒｃ ｈ ｎ ｍｅ ｏ ｓ ｅ ｕ ｅ ｆ ｃｉ ｌ ｎ ｏ ｕａｉ ａ ａｕ ｔｄ ｔ ｅ ｖ ｈ ｏ ｓ
ｄ ｎ ｍｉ ａｌ ．Ｔ ｅ ｒ ｓ ｌ ｏ ｈ ｘ ｅ ｉ ｎ ｆ ｏ － ｎ ｒ ｃ ｉ ｇ ｕ ｅ ｏ ｉ ｅ ｃ ａ ｉｍ ｈ ｗｓ ｔ ｅ ｍｅ ｈ ｄ ｉ ｅ ｔｒ ｉ ｙ ａ ｃ ｙ ｈ ｕｔ ｆｔｅ ｅ ｐ ｒ ｌ ｅ ｍｅ ｔ ｏ ｎ ｌ ｅ ｔａ ｋ ｎ ｓ ｄ ｃ ｍｂ ｎ ｄ ｍｅ ｈ ｎ ｓ ｓ ｏ ｈ ｔ ｏ ｓ ｂ ｔ ｎ ｉ ｅ
ｐ ｒ ｃｅ ｉ ｐ ｒ ｃ ｌ ｒ ａ ｅ ｌｔ ｎｔａ ｃ ｍ ｉｅ ｅ － ａ ｋ ｒ ｉ ａｔ ｌ ｆ ｔ ｒｐ ｓｄ Ｔ ｅｐｏ ｏ ａ ｃ ｏ ｓｓ ｎ ａ ｉ ） ａｔ ｌ ｆｔ ， ｗ ｓ ｕｉ ｔ ｏ ｎ ｓ ｈ Ｎ ｔ ｃ ｅ ｔ ｐ ｒｃｅ ｌ ｒ ｓ ｏ ｏｅ ． ｈ ｒｐ ｓ ｈ ｏ ｅ ｔｌ ｎ ｉ ｅｉ ｅ ｎ ｏ ｏ ｈ ｂ ｔ Ｐ ｒ ｗｈ ｉ ｅ ｉｐ ｉ ｌ ａ
薛亚 阳 ，李晋 惠 ２ 肖 锋
（ ． 安 工 业 大 学 计 算 机 科 学与 工程 学 院 ，陕 西 西 安 ７ ０ ３ ； ． 安 工 业 大 学 理 学 院 ，陕 西 西安 ７ ０ ３ ） １西 １ ０ ２ ２西 １０ ２ 摘 要 ：针 对 粒 子 滤 波 （ ａｔ ｌ ｆ ｔ ） 法 的 粒 子 衰 退 和 计 算 量 过 大 问题 ， 出 一种 将 Ｐ Ｎ 跟 踪 器 与 粒 子 滤 波 算 法 结 Ｐ ｒｃ ｌ ｒ 算 ｉ ｅ ｉｅ 提 —