多特征融合相关粒子滤波器视频目标跟踪算法

张汝佳，杨小军，王 海

(长安大学 信息工程学院，陕西 西安 710001)

0 引 言

视频目标跟踪是指在确定了跟踪目标后，从连续不断的图像序列中跟踪和定位目标[1]。视频目标跟踪是计算机视觉领域中的一个基本研究方向，在视频监控、智能交通、人机交互和运动分析等多个场景中都有极为广泛的应用[2]。

粒子滤波是20世纪90年代发展起来的一种基于Monte Carlo方法和递推贝叶斯估计[3]的新滤波方法,在处理非线性、非高斯系统的参数估计和状态滤波方面具有独到的优势，多年来一直被应用于视觉跟踪：文献[4]提出高斯混合自适应外观模型的Rao-Backwellized粒子滤波算法。该算法估计了目标状态和外观模型的联合分布；文献[5]提出箱粒子滤波算法。该算法将区间分析技术和粒子滤波相结合；文献[6]提出用粒子群算法对粒子滤波算法进行优化，一定程度改善了著名的粒子贫化和依赖问题。粒子滤波存在两大问题[7]：第一，众所周知，粒子滤波的思想是利用大量粒子模拟目标的状态分布，粒子数量越大，对于目标最终的位置估计越精确，但是粒子数量大使粒子滤波的计算复杂性增加；第二，粒子滤波是根据采样的粒子来确定目标的状态，若采样的粒子不能很好地覆盖目标状态，会导致错误跟踪。

近年来，相关滤波被证明具有较高的速度和稳定性[8]，相关滤波应用于目标跟踪方面的思想是：设计一个滤波模板，使得当它作用在跟踪目标上时，得到的响应最大，最大响应值的位置就是目标的位置。……