基于SPN-PF模型的行人跟踪算法改进

张婧,田宏

(大连交通大学 软件学院，辽宁 大连 116028)

基于SPN-PF模型的行人跟踪算法改进

张婧,田宏

(大连交通大学 软件学院，辽宁 大连 116028)

结合粒子滤波和神经网络方法提出了一种新的自适应的行人跟踪改进算法.根据行人跟踪经常出现的遮挡，失跟，误跟等问题，提出了一个SPN-PF模型，通过Sigma-Pi网络将行人的多个特征联系在一起，经过学习和计算，进一步讲结果运用到粒子滤波方法中,从而达到可靠准确的跟踪行人目标的目的.实验结果表示该文提出的方法能够更准确的对行人进行跟踪.

行人跟踪;粒子滤波;神经网络;级联分类器

0 引言

在复杂背景下跟踪特定行人目标的研究和应用是计算机视觉领域的重要分支.我国自1986年开始立项研究视频跟踪技术，至今已取得一定的成果.通过动态图像序列进行行人跟踪是非线性的状态估计问题，主要思想是通过非线系统的输入和对目标的手动选定对行人的位置信息做出预测.粒子滤波技术对这类非线性非高斯问题的处理具有明显的优势，它用随机样本形式描述目标状态的后验概率分布.因为粒子滤波直接用系统非线性模型做非线性变换，更加接近系统本质，因此作为近几年来的新技术已经广泛应用于众多领域中[1- 2].

总结近年来提出的众多粒子滤波目标跟踪算法，粒子滤波的研究还有很多不足之处[1- 2]，如目标在复杂背景下容易受到干扰，出现遮挡、失跟、误跟，计算量大，实时性差等问……