基于PSO的粒子濾波在目標(biāo)跟蹤中的應(yīng)用.pdf

1、目標(biāo)跟蹤是計算機(jī)視覺領(lǐng)域的研究熱點(diǎn)之一，在軍用和民用領(lǐng)域都有著重要的實(shí)用價值和廣闊的發(fā)展前景。粒子濾波技術(shù)因?yàn)樵谔幚矸蔷€性非高斯問題方面具有優(yōu)勢，符合跟蹤環(huán)境的實(shí)際情況，而被引入目標(biāo)跟蹤領(lǐng)域。但是粒子濾波中利用重采樣方法解決退化現(xiàn)象時，會造成粒子多樣性的缺失，存在樣本貧化和增大計算量的問題，影響目標(biāo)估計的精度，特別是對目標(biāo)遮擋這類長時間不變量的影響尤為嚴(yán)重。
　　 針對上述問題，本文分析了粒子濾波算法的基本理論，并對其存在問題進(jìn)

2、行了深入的研究，提出一種基于粒子群優(yōu)化算法(PSO)的粒子濾波改進(jìn)算法，并將改進(jìn)的粒子濾波算法應(yīng)用于目標(biāo)跟蹤中。本文的主要研究工作包括：
　　 1、對比分析了PF與PSO這兩種算法的各自特點(diǎn)，通過兩種算法在原理上的相似性，對二者融合的可行性進(jìn)行了分析，給出了粒子群算法改進(jìn)粒子濾波的理論基礎(chǔ)。
　　 2、將粒子群優(yōu)化的思想引入粒子濾波算法中，提出了一種魯棒的PSO-PF方法。系統(tǒng)狀態(tài)轉(zhuǎn)移模型選擇為簡單的一階自回歸模型，目標(biāo)

3、的描述利用目標(biāo)區(qū)域的灰度分布，該灰度分布通過核概率密度估計建立。通過計算參考目標(biāo)的灰度分布和目標(biāo)樣本的灰度分布之間的Bhattacharyya距離，建立系統(tǒng)觀測概率模型。利用粒子群算法良好的局部尋優(yōu)和全局尋優(yōu)能力對重采樣之后的粒子集進(jìn)行操作，使粒子能夠智能合作，減輕樣本貧化現(xiàn)象，并給出了改進(jìn)算法的具體實(shí)現(xiàn)形式。最后，對上述方法在目標(biāo)跟蹤中的應(yīng)用進(jìn)行了實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)結(jié)果表明該算法實(shí)時性強(qiáng)，提高了目標(biāo)狀態(tài)的估計精度，有效的縮短了計算時間，其