基于蒙特卡洛方法的改進粒子濾波算法.pdf

1、近年來，智能視頻監(jiān)控技術(shù)得到了廣泛的研究與應(yīng)用。其中，運動目標檢測與跟蹤已經(jīng)成為計算機視覺領(lǐng)域的研究熱點。存在著廣泛的應(yīng)用前景。由于實際系統(tǒng)大多是非線性、非高斯的，擴展卡爾曼濾波算法和粒子濾波算法已成為廣泛使用的運動目標跟蹤算法。
　　 本文研究的主要內(nèi)容是基本粒子濾波算法的原理和特征，以及當(dāng)前存在的主要問題，對其關(guān)鍵技術(shù)進行歸納分析，從以下三個方面對基本粒子濾波跟蹤算法進行改進：
　　 一、粒子濾波的主要的計算量都是由

2、粒子的采樣和重采樣過程帶來的，為了減少粒子數(shù)，在采樣過程中，一邊采樣，一邊判斷該粒子是否滿足跟蹤精度閾值，如滿足，則跳躍到下一幀，否則繼續(xù)采樣，直到抽出最大采樣數(shù)個粒子或重采樣。改進后的算法提高了運算效率，節(jié)約了運算時間。通過仿真實驗和視頻的跟蹤實驗，驗證了改進算法在有效實現(xiàn)跟蹤的同時，大大提高計算處理實時性。
　　 二、本文在擴展卡爾曼粒子濾波(EKPF)中使用多樣式重采樣，與傳統(tǒng)的重要性重采樣相比，更大的保證了粒子的多樣性以

3、及跟蹤的穩(wěn)定性。仿真實驗證明了改進后算法的優(yōu)越性。
　　 三、因為擴展卡爾曼濾波(EKF)在非線性情況下也可以實現(xiàn)較好的跟蹤，而且計算量遠小于粒子濾波算法，在以上改進的基礎(chǔ)上，本文提出了改進后粒子濾波算法與EKF相結(jié)合的復(fù)合算法。在復(fù)合算法中，每個時刻優(yōu)先使用EKF跟蹤，然后判斷是否跟蹤上，若跟蹤上則跳到下一個時刻，否則引入改進粒子濾波算法。實驗證明，某些時刻擴展卡爾曼濾波算法的跟蹤結(jié)果比粒子濾波還要好，復(fù)合算法有效利用這些時刻