基于P-N跟踪器的自适应粒子滤波算法

薛亚阳，李晋惠，肖 锋

（1.西安工业大学 计算机科学与工程学院，陕西 西安 710032;2.西安工业大学 理学院，陕西 西安 710032）

粒子滤波算法因为在非线性、非高斯模型中的良好表现，近年来在目标跟踪问题中得到广泛应用[1]。此类算法多是和目标颜色特征结合以基于模型的方法实现对目标的跟踪。但仍存在一定问题，归结如下：1）跟踪稳健性不够，当背景与目标接近时容易出现错跟、丢失等情况。2）粒子衰退和运算量大的问题，粒子滤波算法对样本数量过于依赖，由大样本量来保证跟踪精度，当样本较少时，精度便相应降低。

针对以上问题，笔者提出了结合P-N跟踪器的自适应粒子滤波算法。首先在跟踪系统中引入了P-N跟踪器，对目标进行实时跟踪并给出对跟踪准确性的估计，以此作为目标物体的初次定位依据。针对粒子退化问题，在粒子滤波算法过程中充分利用P-N跟踪器的跟踪结果，由P-N跟踪器跟踪结果的准确性来控制粒子滤波算法中粒子采样的范围以及采样数目的多少。这样在保证粒子质量的情况下控制粒子数量，从而有效地消除了粒子退化现象，降低了运算量。

1 粒子滤波概述

1.1 SIS 粒子滤波算法

SIS是一种用蒙特-卡洛仿真来实现递归的贝叶斯滤波器的方法。其关键在于用一组带权值的样本来表示/计算后验概率密度。

如果有样本点{xk-1（i）：i=1，…，N}，及相应权值{wk-1（i）：i=1，…，N}。那么k时刻的后验概率可以表示为：

其中 δ（）为 Dirac delta 函数；wk（i）为对应粒子的权值，其值由重要性采样[2]的原则来得到。……