粒子濾波算法及其在目標跟蹤中的應用研究.pdf

1、　　目標跟蹤在視頻監(jiān)控、智能交通、機器人視覺導航及人機交互等多個領(lǐng)域都有著廣泛的應用，已成為計算機視覺研究中的熱點課題。跟蹤算法是整個目標跟蹤系統(tǒng)的關(guān)鍵，影響跟蹤效果的準確性、實時性以及魯棒性。近年來發(fā)展起來的粒子濾波是一種通過使用非參數(shù)化的蒙特卡羅方法來實現(xiàn)遞推貝葉斯估計的濾波方法。由于其在解決非線性非高斯系統(tǒng)的狀態(tài)濾波問題上具有獨特優(yōu)勢，因此粒子濾波在目標跟蹤領(lǐng)域得到了廣泛的應用。
　　為了提高粒子濾波算法的準確性，進而為

2、科學研究和工程應用提供理論和算法支持，針對由于粒子退化和貧化而導致的濾波精度降低問題，本文提出了改進的粒子濾波算法。將智能優(yōu)化思想引入到粒子濾波中，提升樣本集中每個粒子的作用效果。并將改進后的算法應用到目標跟蹤中。本文的主要研究成果如下：
　　第一、針對粒子濾波算法中由于粒子退化和貧化而導致的濾波精度降低問題，提出了一種基于人工魚群優(yōu)化的擴展卡爾曼粒子濾波算法。首先利用人工魚群算法對采樣過程進行優(yōu)化，使得粒子不斷地朝高似然域移

3、動來尋找最優(yōu)位置，從而改善樣本分布，加速樣本集的收斂，緩解了退化現(xiàn)象；然后對重采樣過程進行優(yōu)化，以提升樣本的多樣性，從而克服了粒子樣本貧化問題。仿真實驗表明，改進后算法提高了對系統(tǒng)狀態(tài)的預估精度，更適合在對精度要求高的系統(tǒng)中進行濾波計算。
　　第二、本文研究了粒子濾波算法在視頻目標跟蹤領(lǐng)域的應用。采用顏色特征描述運動目標，結(jié)合目標的運動特性進行建模，將本文提出的算法應用于目標跟蹤中。由于改進后算法可以改善樣本分布，增加目標狀態(tài)