第 40 卷 第 4 期
2012 年 7 月
河南师范大学学报(自然科学版)
Journal o
f
Henan Normal Universit
y
(N atural Science Edition)
Vol .40 No .4 乙
Jul
y
.2012
文章编号 :1000 - 2367(2012)04 -0137 - 04
自 适 应 调 整 建 议 分 布 的 改 进 粒 子 滤 波 行 人 跟 踪 算 法
张颖颖 ,张 萍 ,蒋华龙
(南阳师范学院 物理与电子工程学院 ,河南 南阳 473061)
摘 要 :
为解决一般粒子滤波跟踪算法容易受到相似背景和遮挡干扰问题的影响 ,提出一种自适应调整建议
分布的改进粒子滤波跟踪算法 .该算法设计了一种新的建议分布函数 ,使其融入最近的观测信息来调整建议分布函
数的方差以改变新粒子分布范围 ,提高新粒子的采样效率 ,降低了计算复杂度 ,一定程度上保持了粒子的多样性 .实
验结果表明 :该算法有效解决了遮挡 、相似背景混乱问题 ,整体跟踪性能优于粒子滤波算法 .
关键词 :
粒子滤波 ;自适应调整 ;观测信息 ;建议分布
中图分类号 :
TP391
文献标志码 :
A
在视频图像处理技术中 ,行人目标跟踪有着广泛的应用领域 ,比如智能视频监控 ,人体行为分析 ,虚拟现实中的人机接口
等 .行人在运动过程中经常遇到光照变化 ,背景干扰 ,物体遮挡等各种因素的影响 ,针对这种普遍存在的非线性 、非高斯问题 ,
基于粒子滤波技术的跟踪是其中常用方法之一
[1 - 6]
,其基本核心是用非参数化的蒙特卡罗模拟方法实现递推贝叶斯滤波 ,采
用从后验概率密度上随机抽取的一组粒子样本来逼近后验概率密度 .
目前基于粒子跟踪已经做了很多研究 ,实际操作中由于难以获知非线性系统的后验概率密度 ,故通常设计一个次优的建
议分布近似最优建议分布函数来得到一组逼近后验概率密度分布的带权粒子 ,此时粒子的生成方式取决于次优建议分布 ,
Unscented 粒子滤波算法
[7 ]
、混合卡尔曼粒子滤波算法
[8]
、改进的辅助粒子滤波
[9]
和高斯粒子滤波
[10]
的建议分布基本都是参
考前面的滤波结果 ,算法复杂度比较高 ,难以实现跟踪的实时性 .因此针对该问题 ,本文提出一种新的建议分布模型 ,该建议
分布函数融入最新的观测信息来调整新粒子产生的范围 ,提高新粒子的采样效率 ,计算相对简单 ,有效提高了粒子滤波跟踪
性能 .
1 粒子滤波跟踪算法概述
粒子滤波算法通过非参数化的蒙特卡罗模拟方法实现递推贝叶斯滤波 ,采用一组带相关权值的粒子集{ x
(i)
t
,w
(i)
t
}
N
i
=
1
来逼
近后验概率密度
p
(x
t
|
z
1
∶
t
) =
1
N
∑
N
i
=
1
w
i
t
δ
(x
t
-
x
i
t
) .
粒子滤波基本跟踪算法分为 4 个基本步骤 :粒子的产生 ,权值计算 ,状态估计和重采样 .
① 粒子产生 :重要性函数
q
(x
t
|
x
(i)
t
-
1
,z
0
∶
t
) 产生粒子的新位置 x
i
t
,i
=
1 ,2 ,… ,N ;② 计 算权 重 ,并 归 一 化 :w
(i)
t
≈
p
(z
t
|
x
(i)
t
)
p
(x
(i)
t
|
x
(i)
(t
-
1)
)
q
(x
(i)
t
|
x
(i)
t
-
1
,z
0
∶
t
)
w
(i)
t
-
1
,w
⌒
(i)
t
=
w
(i)
t
/
∑
N
i
=
1
w
(i)
t
;③ 状态估计 :
珚
x
t
=
∑
N
i
=
1
x
i
t
w
⌒
l
t
;④ 重采样 :从{ x
i
t
,w
i
t
}中重采样 N 个粒子得到
{
珟
x
i
t
,
珦
w
i
t
} .
2 改进粒子滤波跟踪算法
2 .1 自适应调整的建议分布函数
在实际工程应用中普遍选择易实现的状态转移概率密度分布
p
(x
t
|
x
t
-
1
) 作为建议分布函数 ,但是文献[11] 证明使重要
性权值的方差达到极小优化的最优建议分布为
q
(x
t
|
x
t
-
1
,z
0
∶
t
) =
p
(x
t
|
x
t
-
1
,z
t
) ,表明粒子样本的产生不仅与前一时刻的样
本值 x
t
-
1
有关 ,同样依赖于最近的观测值 z
t
,而
p
(x
t
|
x
t
-
1
) 没有包含系统最近的测量值 .若似然函数分布位于状态转移函
数的尾部时 ,从建议分布采样的粒子大部分权重很小 ,成为无效的粒子 ,导致采样效率的降低 ,不能实现良好的估计 .
为解决上述问题 ,本文将最近的观测值融入到状态转移密度分布函数中 ,利用该函数抽样得到下一时刻的可能位置的粒
收稿日期 :2012
‐
02
‐
10
作者简介 :张颖颖(1983
-
) ,女 ,河南南阳人 ,南阳师范学院助理实验师 ,研究方向 :机器学习 、视频跟踪 .