粒子滤波的一些文献

ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用２００８，４４（１１）６１

基于粒子滤波和均值漂移的目标跟踪

何文媛，韩

斌，徐

之，宋敬海

ＨＥＷｅｎ－ｙｕａｎ，ＨＡＮＢｉｎ，ＸＵＺｈｉ，ＳＯＮＧＪｉｎｇ－ｈａｉ

江苏科技大学电信学院，江苏镇江２１２００２

ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｚｈｅｎｊｉａｎｇ，Ｊｉａｎｇｓｕ２１２００２，ＣｈｉｎａＥ－ｍａｉｌ：ｂｅｃｋｙ＿１９８３＠１６３．ｃｏｍ

ＨＥＷｅｎ－ｙｕａｎ，ＨＡＮＢｉｎ，ＸＵＺｈｉ，ｅｔａｌ．Ｏｂｊｅｃｔｔｒａｃｋｉｎｇｂａｓｅｄｏｎｐａｒｔｉｃｌｅｆｉｌｔｅｒａｎｄｍｅａｎ－ｓｈｉｆｔ．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ

（１１）：６１－６４．ａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００８，４４

Ａｂｓｔｒａｃｔ：Ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｅｍｂｅｄｓｍｅａｎ－ｓｈｉｆｔｉｎｔｏｔｈｅｔｒａｃｋｉｎｇｆｒａｍｅｏｆｔｈｅｐａｒｔｉｃｌｅｆｉｌｔｅｒａｌｇｏｒｉｔｈｍ．Ｔｈｅａｕｔｈｏｒｓｒｅｇａｒｄｃｏｌｏｒｄｉｓｔｒｉｂｕｔｉｏｎａｓｔｈｅｏｂｓｅｒｖａｔｉｏｎｍｏｄｅｌ．ＴｈｅｃｏｍｐｏｎｅｎｔｓｏｆＨＳＶｃｏｌｏｒｓｐａｃｅａｒｅｄｉｖｉｄｅｄｉｎｔｏｕｎｅｑｕａｌｉｎｔｅｒｖａｌｓａｃｃｏｒｄｉｎｇｔｏｈｕｍａｎｃｏｌｏｒｐｅｒｃｅｐｔｉｏｎ．Ｔｈｅｎｗｅｕｓｅｔｈｅｃｏｌｏｒｈｉｓｔｏｇｒａｍｓｂａｓｅｄｏｎｋｅｒｎｅｌｆｕｎｃｔｉｏｎｔｏｂｕｉｌｄｔｈｅｍｏｄｅｌ．Ｔｈｅａｌｇｏｒｉｔｈｍｏｖｅｒｃｏｍｅｓｔｈｅｄｅｆａｕｌｔｏｆｂｏｔｈｐａｒｔｉｃｌｅｆｉｌｔｅｒａｎｄｍｅａｎ－ｓｈｉｆｔ．Ｔｈｅｆｏｒｍｅｒｈａｓｌａｒｇｅｃｏｍｐｕｔａｔｉｏｎｃｏｓｔ．Ｔｈｅｌａｔｔｅｒｃａｎｅａｓｉｌｙｔｒａｐｐｅｄｉｎｔｏｌｏｃａｌｍａｘｉｍｕｍａｎｄｃａｎｎｏｔｒｅｃｏｖｅｒｆｒｏｍｔｈｅｅｒｒｏｒ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｈａｓｒｅａｌ－ｔｉｍｅｐｒｏｐｅｒｔｙａｎｄｒｏｂｕｓｔｎｅｓｓ．

Ｋｅｙｗｏｒｄｓ：ｏｂｊｅｃｔｔｒａｃｋｉｎｇ；ｐａｒｔｉｃｌｅｆｉｌｔｅｒ；ｍｅａｎ－ｓｈｉｆｔ；ｋｅｒｎｅｌｆｕｎｃｔｉｏｎ；ＨＳＶ

摘

要：将均值漂移算法嵌入到粒子滤波的跟踪框架中，将颜色分布作为观测模型，将ＨＳＶ颜色空间根据人类的颜色感知差异，

对各个分量进行非等间隔量化，然后利用基于核函数的直方图进行建模。该算法克服了粒子滤波计算量较大的缺点，同时也克服了均值漂移算法容易陷入局部最大且无法恢复的缺点。实验结果表明，该方法具有较强的实时性和鲁棒性。关键词：目标跟踪；粒子滤波；均值漂移；核函数；ＨＳＶ文章编号：１００２－８３３１（２００８）１１－００６１－０４

文献标识码：Ａ

中图分类号：ＴＰ３９１．４１

中，并且对其各个分量按照人的颜色感知进行非等间隔的量化，然后再对目标物体利用基于Ｅｐａｎｅｃｈｎｉｋｏｖ核函数的直方图进行建模，在粒子滤波的跟踪过程中，利用均值漂移算法将粒子迭代至各自局部最大区域，提高了粒子的使用效率，减少了粒子数，实现了快速有效的跟踪。

１引言

近年来，在视频监控系统中对人体进行监控跟踪引起了国

内外学者的关注。文献［１］利用了卡尔曼滤波进行跟踪，该算法内存开销小，计算速度快，但是仅适用于线性系统，无法处理非线性非高斯的情况。文献［２，３］利用粒子滤波对非刚性物体进行跟踪，由于粒子滤波利用随机粒子组离散的表示目标状态的后验概率密度函数（ＰＤＦ），不受动态系统各个随机量分布形式的非高斯的运动系统中，并限制，能够有效地应用于所有非线性、

能处理ＰＤＦ出现多峰的情况，但是粒子滤波计算量较大，尤其是随着状态空间的维数的增加计算量增加更快。文献［４］利用均值漂移（ｍｅａｎ－ｓｈｉｆｔ）算法对非刚性物体进行跟踪，该算法计算量小，实时性较强，但是该算法不适用于ＰＤＦ多峰的情况，且容易陷入局部最大，若物体运动过快或者是被完全遮挡的情况下，就会出现丢失跟踪的情况，且无法恢复。Ｃｏｍａｎｉｃｉｕ在文献

２粒子滤波原理

粒子滤波（ｐａｒｔｉｃｌｅｆｉｌｔｅｒ）通过非参数化的蒙特卡罗模拟方

法来实现递推贝叶斯滤波，使用于任何能用状态空间模型表示的非线性系统，以及传统卡尔曼滤波和扩展卡尔曼滤波无法表示的非线性系统，精度可以逼近最优估计［７］。

它的主要思想是用一组具有权值的粒子来近似描述后验概率分布，它基于大量的量测，通过一组加权粒子的演化与传播来递推近似状态的后验概率密度函数，从而获得其他关于状态的统计量。根据蒙特卡罗理论，当粒子的数目足够多时，这组具有权值的粒子就能完全地描述后验概率分布，此时，粒子滤波就是最优的贝叶斯估计。

粒子滤波解决动态系统问题通常需要两个模型，一个是描述随时间演化的状态模型也就是系统状态模型，另外一个就是观测模型，分别可以表示为：

［５］中将粒子滤波和均值漂移进行了结合，并在ＲＧＢ空间中对

目标进行建模，其他文献［４，６］都是在跟踪过程中对物体在ＲＧＢ空间中建模，但是此种方法对于亮度变化比较敏感，而在监控系统中，由于光照以及电压的问题，容易出现亮度的较大甚至瞬间的变化，为了降低亮度变化在跟踪中的影响以及上述其它问题，本文提出首先将ＲＧＢ颜色空间转换到ＨＳＶ颜色空间

作者简介：何文媛（１９８３－），女，硕士，主要领域：计算机视觉；韩斌（１９６８－），男，博士，副教授，主要研究领域：图像处理，计算机视觉。：：