粒子滤波的一些文献

６４２００８，４４（１１）ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用

鲁棒性以及实滤波算法计算量大的缺点，具有较强的实时性、

用性。如何利用本算法实现多目标的实时跟踪是下一步研究的重点工作。

挡，由于粒子滤波可以处理ＰＤＦ多峰情况以及对模型的更新机制，本算法仍能准确地对其进行跟踪，具有较强的鲁棒性。

本文在跟踪过程中所需粒子数为Ｎ＝５０，而通过实验证明粒子滤波算法用于此实验实现准确跟踪，则至少需要２００个粒子，才能确保跟踪的精度，本算法粒子数减少了７５％，显著地降低了计算量，如图３对比了两者的跟踪所需时间（注：ｘ轴表有效跟踪帧数。本视频从１０４帧目标出现开始跟踪，到２７５帧目标消失，跟踪结束，有效帧为１７１帧）。

参考文献：

［１］张雷，刘冀伟，王志良．固定场景下的运动检测与运动跟踪［Ｊ］．微计

算机信息，２００６，２５：２８７－２８９．

［２］李静，陈兆乾，秦小麟．基于粒子滤波算法的非刚性目标实时跟

踪［Ｊ］．南京航空航天大学学报，２００６，３８（６）：７７５－７７９．

［３］李静，陈兆乾．基于颜色的粒子滤波非刚性目标实时跟踪算法［Ｊ］．郑

州大学学报：理学版，２００６，３８（４）：６０－６３．

［４］ＣｏｍａｎｉｃｉｕＤ，ＲａｍｅｓｈＶ，ＭｅｅｒＰ．Ｒｅａｌ－ｔｉｍｅｔｒａｃｋｉｎｇｏｆｎｏｎ－ｒｉｇｉｄ

ｏｂｊｅｃｔｓｕｓｉｎｇｍｅａｎｓｈｉｆｔ［Ｊ］．ＰｒｏｃＩＥＥＥＣｏｎｆＣｏｍｐｕｔｅｒＶｉｓｉｏｎａｎｄＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ，２００３：１４２－１４９．

［５］ＣｏｍａｎｉｃｉｕＤ，ＲａｍｅｓｈＶ，ＭｅｅｒＰ．Ｋｅｒｎｅｌ－ｂａｓｅｄｏｂｊｅｃｔｔｒａｃｋｉｎｇ［Ｊ］．

（５）：ＩＥＥＥＴｒａｎｓＰａｔｔｅｒｎＡｎａｌｙｓｉｓａｎｄＭａｃｈｉｎｅＩｎｔｅｌｌｉｇｅｎｃｅ，２００３，２５

５６４－５７７．

［６］ＷａｎｇＱｉ－ｃｏｎｇ，ＬｉｕＪｉ－ｌｉｎ．Ｖｉｓｕａｌｔｒａｃｋｉｎｇｕｓｉｎｇｔｈｅｋｅｒｎｅｌｂａｓｅｄ

ｐａｒｔｉｃｌｅｆｉｌｔｅｒａｎｄｃｏｌｏｒｄｉｓｔｒｉｂｕｔｉｏｎ［Ｊ］．ＮｅｕｒａｌＮｅｔｗｏｒｋｓａｎｄＢｒａｉｎ，２００５：１７３０－１７３３．

［７］廖宗俐．基于粒子滤波器的鼠类目标跟踪研究［Ｄ］．哈尔滨：哈尔滨工

业大学，２００６．

（４）．［８］胡士强，敬忠良．粒子滤波算法综述［Ｊ］．控制与决策，２００５

６结论

本文将均值滤波算法嵌入粒子滤波的算法中，其中对

ＨＳＶ空间进行非等间隔的量化，然后引入核函数在ＨＳＶ空间

进行目标直方图建模。实验证明，该算法在目标出现部分或短时间完全遮挡、亮度变化、旋转等变化时，仍能够准确地进行跟踪。并克服了均值漂移算法跟踪丢失无法恢复的缺点以及粒子

［９］施华，李翠华．视频图像中的运动目标跟踪［Ｊ］．计算机工程与应用，

（１０）：５６－５８．２００５，４１

（上接５１页）

检测到的可能目标点的个数。图７为ｘ轴方向目标运动坐标的方差变化曲线，图８为ｙ轴方向目标运动坐标的方差变化曲线。由图可看出，跟踪轨迹和真实轨迹相差很小，跟踪滤波器收敛，跟踪精度约为０．５个像素（均方意义下）。

参考文献：

［１］艾斯卡尔，李在铭．红外图像序列中微弱点状动目标的非参数检

测［Ｊ］．仪器仪表学报，２００２，２３（３）：６５０－６５２．［２］谭扬波．一种基于最大模糊熵的高斯聚类算法［Ｊ］．电子科技大学学报，２０００，２９（３）：２６９－２７２．

［３］ＬａｍｐｒｏｐｏｕｌｏｕｓＧＡ，ＢｏｕｌｔｅｒＪＦ．Ｆｉｌｔｅｒｉｎｇｏｆｍｏｖｉｎｇｔａｒｇｅｔｕｓｉｎｇ

ＳＢＩＲｓｅｑｕｅｎｔｉａｌｆｒａｍｅｓ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＡｅｒｏｓｐａｃｅａｎｄＥｌｅｃｔｒｏｎｉｃ

（４）：１２５５－１２６６．Ｓｙｓｔｅｍｓ，１９９５，３１

［４］ＰｏｈｌｉｇＳＣ．Ｓｐａｔｉａｌ－ｔｅｍｐｏｒａｌｄｅｔｅｃｔｉｏｎｏｆｅｌｅｃｔｒｏ－ｏｐｔｉｃｍｏｖｉｎｇｔａｒ－ｇｅｔｓ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＡｅｒｏｓｐａｃｅａｎｄＥｌｅｃｔｒｏｎｉｃＳｙｓｔｅｍｓ，１９９５，３１

（２）：６０８－６１６．

［５］ＢｌｏｓｔｅｉｎＳＤ，ＲｉｃｈａｒｄｓｏｎＨ．Ａｓｅｑｕｅｎｔｉａｌｈｙｐｏｔｈｅｓｉｓｔｅｓｔｉｎｇａｐｐｒｏａｃｈ

ｔｏｃｏｍｂｉｎｅｄｄｅｔｅｃｔｉｏｎａｎｄｔｒａｃｋｉｎｇ［Ｃ］／／ＳＰＩＥ’１９９３，１９９５：２５６－２６７．［６］李良群，姬红兵．基于最大熵模糊聚类的快速数据关联算法［Ｊ］．西安

，（２）：６结论

本文研究了基于最大模糊熵高斯聚类的跟踪技术。实验表

明将其应用于跟踪红外序列图像中的弱点状动目标时，该方法能够在保持跟踪实时性的同时提供较高的跟踪精度，适用于对序列图像中的弱点状动目标的跟踪。如何进一步提高跟踪精度，是本文有待提高的方面。同时，如何把该技术应用到多个微