基于Mean Shift重要性采样的粒子滤波跟踪算法

摘要：

针对粒子滤波算法中粒子退化导致跟踪效果差的问题,将均值漂移(mean shift,MS)算法融入到粒子滤波(particle filter,PF)算法中,提出了基于MS重要性采样的粒子滤波目标跟踪算法.该算法根据MS算法的核函数原理,利用目标颜色分布建立目标参考模型;基于粒子滤波的计算框架,在MS算法的迭代寻优过程中,对粒子进行确定性搜索,使其收敛到目标候选模型的局部最优点,完成对目标模型的重要性采样,有效解决了粒子退化问题,同时减少了粒子数目,增强了目标跟踪的实时性.跟踪实验结果表明,该算法的跟踪性能优于传统的粒子滤波算法.

关键词：粒子滤波、粒子退化、Mean Shift、重要性采样、目标跟踪

所属期刊栏目：35

分类号：TP391(计算技术、计算机技术)

在线出版日期：2014-04-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：909-913