基于粒子滤波的红外目标跟踪

被引:66
作者
程建
周越
蔡念
杨杰
机构
[1] 上海交通大学图像处理与模式识别研究所
关键词
粒子滤波; 红外目标跟踪; 核密度估计; Bhattacharyya系数;
D O I
暂无
中图分类号
TN953 [雷达跟踪系统];
学科分类号
摘要
粒子滤波(Partic le F ilter)是一种处理非线性和非高斯动态系统状态估计的有效技术.提出了一种基于粒子滤波的红外目标稳健跟踪新方法.在粒子滤波理论框架下,红外目标的状态后验概率分布用加权随机样本集表示,通过这些随机样本的Bayesian迭代进化实现红外目标的跟踪.系统状态转移模型选择为简单的二阶自回归模型,并自适应地确定系统噪声方差.红外目标的描述利用目标区域的灰度分布,该灰度分布通过核概率密度估计建立.通过计算参考目标的灰度分布和目标样本的灰度分布之间的Bhattacharyya距离,建立系统观测概率模型.实验结果表明该方法是有效的和稳健的.
引用
收藏
页码:113 / 117
页数:5
相关论文
共 8 条
[1]   基于H∞滤波器的红外小目标运动预测和跟踪方法 [J].
凌建国 ;
刘尔琦 ;
杨杰 ;
杨磊 .
红外与毫米波学报, 2005, (05) :366-369
[2]   一种基于均值移位的红外目标跟踪新方法 [J].
程建 ;
杨杰 .
红外与毫米波学报, 2005, (03) :231-235
[3]   红外图像的光流计算 [J].
李熙莹 ;
倪国强 .
红外与激光工程, 2002, (03) :189-193+207
[4]   红外探测阵列对固体导弹尾焰跟踪定位的研究 [J].
赵久奋 ;
王明海 .
固体火箭技术, 2000, (04) :64-68
[5]   一种新的相关跟踪算法的设计与实现 [J].
杨暤昀 ;
张桂林 .
红外与毫米波学报, 2000, (05) :377-380
[6]  
An Introduction to MCMC for Machine Learning[J] . Christophe Andrieu,Nando de Freitas,Arnaud Doucet,Michael I. Jordan.Machine Learning . 2003 (1)
[7]   On sequential Monte Carlo sampling methods for Bayesian filtering [J].
Doucet, A ;
Godsill, S ;
Andrieu, C .
STATISTICS AND COMPUTING, 2000, 10 (03) :197-208
[8]   CONDENSATION - Conditional density propagation for visual tracking [J].
Isard, M ;
Blake, A .
INTERNATIONAL JOURNAL OF COMPUTER VISION, 1998, 29 (01) :5-28