基于Kalman预测重要性建议分布的粒子滤波视觉跟踪算法
标准粒子滤波虽然能够实现简单场景下的目标跟踪,但在复杂场景下其性能较差,粒子权值退化是影响视觉跟踪的一个重要方面,为解决这一问题,从选择准确重要性建议分布函数入手,给出了基于EKF和UKF预测采样的粒子滤波视觉跟踪算法EKF-PF(EKF enhanced particle filtering)和UKF-PF(UKF enhanced particle filtering),并进行了一定改进,通过仿真实验表明:给出的跟踪算法能够很好地跟踪室内运动目标,并对光照变化,目标姿态变化具有良好的鲁棒性.
粒子滤波、目标跟踪、重要性建议分布、EKF-PF、UKF-PF
34
TP391.4(计算技术、计算机技术)
2013-11-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
109-113