10.15918/j.tbit1001-0645.2016.01.019
基于重要性排序蒙特卡洛粒子滤波的物体跟踪算法
研究复杂背景下的物体跟踪方法.提出一种用于物体跟踪的重要性排序马氏链蒙特卡洛粒子滤波算法.算法利用少量加权初始粒子得到后验概率分布的初步估计,并通过重要性排序马氏链蒙特卡洛采样技术从该初步估计抽取新的粒子,以构建对应不同模态的多条独立马氏链,从而充分逼近真实后验概率分布的多模态.所提出的算法自适应地根据当前模态分布构建多条独立马氏链,因此能够在多模态的复杂场景下准确估计目标状态的后验概率分布;同时,在构建马氏链的过程中,算法采用重要性排序策略确定历史样本被选为状态转移核的似然度,提高了小权重样本被选中的可能性,降低了在马氏链构建过程中陷入局部最优的概率.仿真实验以及真实视频上所进行的实验显示,所提出的方法能够实现准确稳定的物体跟踪,且效果优于标准粒子滤波算法以及马氏链蒙特卡洛粒子滤波算法.
目标跟踪、重要性排序、马氏链蒙特卡洛、粒子滤波、多模态
36
TP273(自动化技术及设备)
国家自然科学基金资助项目60772063,61175096
2016-04-06（万方平台首次上网日期，不代表论文的发表时间）
105-110
