一种基于双向鉴别信息的粒子滤波跟踪方法

刘晓华，付秀华，田野，黄盛锋，舒伟平

（1.长春理工大学 光电工程学院，长春 130022；2.广东光阵光电科技有限公司，东莞 523660）

基于视频图像序列的目标跟踪是计算机视觉领域中的一个热点问题，广泛应用于安全监控、虚拟现实、机器人应用、生物医学等领域［1］。目标跟踪面临的最大问题是目标所处的复杂环境使得估计目标的状态成为一项非常困难的任务：遮挡、光照和以及姿态的变化都将严重影响跟踪的效果［2］。

为了解决或部分解决这些难点，国内外的研究人员提出大量的跟踪算法。根据跟踪方法的不同，大致可以分为三类：基于目标模式搜索匹配的跟踪方法、基于分类的跟踪方法和基于滤波理论的跟踪方法［3］。基于目标模式搜索匹配的跟踪方法将目标跟踪转化成一个模式匹配寻优问题，以Mean-Shift跟踪算法为代表［4］。其优点是收敛速度快，可用于实时跟踪，但该方法无法适应跟踪对象的外形变化，跟踪效果一般。基于分类的跟踪方法将目标跟踪转化成一个前景和背景的两分类问题。以用于人脸跟踪（检测）的AdaBoost方法为代表［5］。这类方法在使用前需要对大量正负样本进行训练来构造分类器，不能满足实时跟踪的需要。基于滤波理论的跟踪方法将目标跟踪转化为一个在贝叶斯理论框架下已知目标状态的先验概率，通过获得新观测值后求解目标状态最大后验概率的过程。以kalman滤波［6，7］和粒子滤波为代表［7］。kalman滤波只能处理线性单高斯单模态情况下的跟踪问题。……