复杂背景下多信息融合的粒子滤波跟踪算法

被引：13

作者：

胡昭华 ^{[1
]}

宋耀良 ^{[1
]}

梁德群 ^{[2
]}

樊鑫 ^{[2
]}

机构：

[1] 南京理工大学电子工程与光电技术学院

[2] 大连海事大学信息工程学院

来源：

光电子激光. | 2008年 / 05期

基金：

国家科技攻关计划;

关键词：

目标跟踪; 粒子滤波; 信息融合; 状态估计;

D O I：

10.16136/j.joel.2008.05.028

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

将颜色和运动这两种信息融合进粒子滤波跟踪器,并提出分层抽样的方法,克服了利用单一信源所带来的跟踪不稳定问题;与典型的基于边缘特征或仅基于颜色信息的粒子滤波器相比,计算简单,并能够有效解决由于目标形状或颜色模糊而产生的跟踪困难问题。实验结果表明,该粒子滤波融合算法在复杂背景下能够稳健可靠的跟踪目标。

引用

页码：680 / 685

页数：6

共 4 条

[1] A survey of computer vision-based human motion capture [J].

Moeslund, TB ;

Granum, E .

COMPUTER VISION AND IMAGE UNDERSTANDING, 2001, 81 (03) :231-268

[2] On sequential Monte Carlo sampling methods for Bayesian filtering [J].

Doucet, A ;

Godsill, S ;

Andrieu, C .

STATISTICS AND COMPUTING, 2000, 10 (03) :197-208

[3] CONDENSATION - Conditional density propagation for visual tracking [J].

Isard, M ;

Blake, A .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 1998, 29 (01) :5-28

[4]

A tutorial on particle filters for online nonlinear/non-gaussian bayesial tracking .2 M Sanjeev Arulampalam,Simon Maskell,Neil Gordon. IEEE Trans on Signal Processing . 2002

← 1 →