基于粒子濾波的參數(shù)估計及圖像跟蹤算法研究.pdf

1、粒子濾波方法和圖像跟蹤技術(shù)都是當前研究和應(yīng)用的熱門課題。本文主要基于粒子濾波方法，研究其在不確定參數(shù)系統(tǒng)和圖像跟蹤中的應(yīng)用，目的是提高粒子濾波算法在這些領(lǐng)域內(nèi)應(yīng)用的可靠性和穩(wěn)健性。本文的研究工作主要包括：
　　 （1）回顧了貝葉斯濾波理論的發(fā)展，介紹了粒子濾波方法的基本原理?；仡櫫藞D像跟蹤技術(shù)的發(fā)展，通過仿真實驗，展示了粒子濾波方法在狀態(tài)估計和圖像跟蹤中的應(yīng)用。
　　 （2）為解決粒子濾波參數(shù)估計容易收斂于局部解的問題，

2、提出了基于似然權(quán)值的粒子濾波參數(shù)估計方法。通過在傳統(tǒng)粒子濾波狀態(tài)估計方法的基礎(chǔ)上，使用EM 方法來遞歸更新狀態(tài)模型中未知參數(shù)的值。針對在線EM 算法中，步長序列過于單一，使在線EM 算法收斂緩慢并很容易收斂于局部最優(yōu)解的問題，在EM 算法更新參數(shù)值的同時，融合最新的參數(shù)估計值信息，通過計算更新參數(shù)的似然值來動態(tài)更新步長序列，仿真實驗表明算法能更快的收斂到全局解。通過在圖像跟蹤算法中，使用參數(shù)動態(tài)變化的運動模型，利用本文提出的算法估計模型

3、參數(shù)的變化，有效的解決了固定運動模型中，由于目標運動復(fù)雜而不能產(chǎn)生有效的預(yù)測粒子的問題。
　　 （3）為了解決復(fù)雜場景中目標跟蹤魯棒的問題，提出了基于SIFT 特征的混合觀測模型粒子濾波圖像跟蹤算法，通過混合使用SIFT 特征和顏色直方圖特征，避免了單一顏色直方圖信息在周圍存在顏色分布相似目標干擾的情況下，容易被干擾目標吸引的缺點。同時避免了在目標經(jīng)歷較大變化（如大幅度的旋轉(zhuǎn)），SIFT 特征點匹配數(shù)較少的情況下，無法完成目標跟