基于粒子濾波的運(yùn)動(dòng)物體檢測(cè)跟蹤

摘要：提出了一種狀態(tài)空間模型粒子濾波算法，并應(yīng)用于運(yùn)動(dòng)目標(biāo)的跟蹤。該方法基于貝葉斯估計(jì)，利用粒子集來(lái)表示概率，通過(guò)遞推的貝葉斯濾波來(lái)近似逼近最優(yōu)化結(jié)果，在預(yù)設(shè)搜索區(qū)域用粒子群找到和目標(biāo)模板最相似的中心位置，并以該位置作為觀測(cè)值，進(jìn)行跟蹤。仿真實(shí)驗(yàn)結(jié)果和兩種實(shí)際條件下效果比較表明該算法在跟蹤低常速運(yùn)動(dòng)中精準(zhǔn)性高，是一種有效的目標(biāo)跟蹤方法。

關(guān)鍵詞：粒子濾波；目標(biāo)跟蹤；目標(biāo)模板；觀測(cè)值

中圖分類(lèi)號(hào)：TN911—34文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1004—373X（2012）18—0095—04

引言

隨著計(jì)算機(jī)圖形圖像處理的研究、計(jì)算技術(shù)的飛速發(fā)展，生活中的大部分信息都來(lái)自圖像。圖像處理技術(shù)越來(lái)越成為在科學(xué)研究、技術(shù)應(yīng)用中不可缺少的手段，而運(yùn)動(dòng)目標(biāo)跟蹤是關(guān)鍵問(wèn)題之一，廣泛應(yīng)用于多領(lǐng)域。

目前常用的跟蹤算法有：

（1）背景差分法，幀間差分法通過(guò)視頻圖像序列中相鄰兩幀相減來(lái)獲得運(yùn)動(dòng)目標(biāo)輪廓的方法，它可以適用于多目標(biāo)和像機(jī)移動(dòng)的情況，但是該方法在擾動(dòng)背景下對(duì)目標(biāo)的跟蹤將產(chǎn)生較大誤差；

（2）CamShift算法，它主要通過(guò)顏色信息來(lái)達(dá)到跟蹤運(yùn)動(dòng)物體的目的，簡(jiǎn)單背景中效果比較好，但這種算法缺乏對(duì)高速運(yùn)動(dòng)目標(biāo)、復(fù)雜背景和遮擋物體的預(yù)測(cè)，具有局限性；

（3）Kalman濾波，該算法穩(wěn)定且計(jì)算量小，但是單純使用Kalman濾波跟蹤準(zhǔn)確性不高。

綜合以上的考慮，利用粒子預(yù)測(cè)目標(biāo)中心在圖像序列中的位置，然后以目標(biāo)的先驗(yàn)特征對(duì)目標(biāo)模板進(jìn)行匹配，確保運(yùn)動(dòng)目標(biāo)在擾動(dòng)、復(fù)雜背景下跟蹤的準(zhǔn)確性。

1粒子濾波器原理

粒子濾波法是利用隨機(jī)樣本來(lái)表示任意狀態(tài)空間模型的后驗(yàn)概率，以樣本平均值代替常規(guī)的積分運(yùn)算，從而獲得狀態(tài)最小方差分布的過(guò)程[1]，并且在狀態(tài)空間傳播的隨機(jī)樣本數(shù)目越大，其概率密度函數(shù)越近似。

1.1貝葉斯估計(jì)