计算机科学与工程进展
第5卷第1期,第25-35页(2010年8月)
|
|
基于粒子滤波的目标跟踪模型更新
王树鹏
|
摘要: 本文提出了一种新的粒子滤波器框架下的模型更新方法,以处理跟踪过程中目标外观的变化。粒子滤波器是一种序贯蒙特卡罗方法,它使用加权样本集近似概率密度。该算法有效地利用样本集和目标外观信息更新目标模型。该算法涉及跟踪可靠性的估计。为了避免模型“漂移”,目标模型仅在可靠跟踪期间更新,更新速度受跟踪可靠性的约束。跟踪可靠性由概率密度的形状和观测图像与目标模型的相似性决定。当概率密度趋向于单一主模式且观测图像与目标模型的相似性大于预定阈值时,跟踪被认为是可靠的。利用均值漂移方法估计概率密度的模式。所提出的算法避免了天真算法引起的模型漂移。实验结果验证了该算法的有效性。 |
关键词和短语:目标跟踪、粒子滤波、模型更新、均值漂移、外观模型、聚类。 |
|
下载次数:292 |视图数量:741 |
|