基于粒子濾波的運動物體檢測跟蹤

摘要：提出了一種狀態空間模型粒子濾波算法，并應用于運動目標的跟蹤。該方法基于貝葉斯估計，利用粒子集來表示概率，通過遞推的貝葉斯濾波來近似逼近最優化結果，在預設搜索區域用粒子群找到和目標模板最相似的中心位置，并以該位置作為觀測值，進行跟蹤。仿真實驗結果和兩種實際條件下效果比較表明該算法在跟蹤低常速運動中精準性高，是一種有效的目標跟蹤方法。

關鍵詞：粒子濾波；目標跟蹤；目標模板；觀測值

中圖分類號：TN911—34文獻標識碼：A文章編號：1004—373X（2012）18—0095—04

引言

隨著計算機圖形圖像處理的研究、計算技術的飛速發展，生活中的大部分信息都來自圖像。圖像處理技術越來越成為在科學研究、技術應用中不可缺少的手段，而運動目標跟蹤是關鍵問題之一，廣泛應用于多領域。

目前常用的跟蹤算法有：

（1）背景差分法，幀間差分法通過視頻圖像序列中相鄰兩幀相減來獲得運動目標輪廓的方法，它可以適用于多目標和像機移動的情況，但是該方法在擾動背景下對目標的跟蹤將產生較大誤差；

（2）CamShift算法，它主要通過顏色信息來達到跟蹤運動物體的目的，簡單背景中效果比較好，但這種算法缺乏對高速運動目標、復雜背景和遮擋物體的預測，具有局限性；

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

綜合以上的考慮，利用粒子預測目標中心在圖像序列中的位置，然后以目標的先驗特征對目標模板進行匹配，確保運動目標在擾動、復雜背景下跟蹤的準確性。

1粒子濾波器原理

粒子濾波法是利用隨機樣本來表示任意狀態空間模型的后驗概率，以樣本平均值代替常規的積分運算，從而獲得狀態最小方差分布的過程[1]，并且在狀態空間傳播的隨機樣本數目越大，其概率密度函數越近似。

1.1貝葉斯估計