基于粒子滤波和贝叶斯估计的目标跟踪.pdfVIP

维普资讯 大 庆 石 油 学 院 学 报 第 32卷 第3期 2008年 6月 jouRNAIOFDAQINGPETROLEUM INSTITUTE Vo1．32 No．3 Jun． 2008 基于粒子滤波和贝叶斯估计的 目标跟踪 任伟建 ，山茂泉 ，谢 锋 ，王文东。 (1．大庆石油学院 电气信息工程学院，黑龙江 大庆 163318； 2．大庆油 田有限责任公司 第二采油厂，黑龙江 大庆 163414； 3．大庆钻井技术服务公司 钻井工具分公司 ，黑龙江 大庆 163461) 摘 要：针对颜色直方图的彩色物体的运动 目标，在各种噪声的干扰下多呈现非线性和非高斯的特点，利用粒子滤 波的方法进行运动估计和跟踪．利用粒子滤波对非线性和非高斯的有效逼近的性质 ，获得粒子的后验概率分布 ，估计 目 标状态，实现 目标的有效跟踪、采用累加权值概率并且引入随机正态分布进行采样，保证粒子的多样性，有效避免粒子退 化问题．仿真结果表明该方法的有效性． 关 键 词 ：粒子滤波 ；贝叶斯估计 ；目标跟踪 ；彩色直方 图 中图分 类号 ：TP182 文献标识码 ：A 文章编号 ：1000—1891(2008)03—0067一O4 0 引言 目标存在变化多样和跟踪设备对环境适应性不完善等 问题 ，复杂环境下的运动 目标跟踪是个难 题_l]．为了有效跟踪运动 目标，必须对运动对象进行有效的估计，利用已有的信息，获得当前运动物体估 计状态 ，然后利用现有观察数据对运动状态进行修正．该类问题经常采用广义卡尔曼滤波方法．广义卡 尔曼滤波依赖于模型的线性化和高斯假设．在估计系统状态和方差时，由于线性逼近 ，可能导致滤波发 散．且如果密度函数不是高斯分布 ，该方法估计精度不高．近年来 出现一种新 的最优非线性方法——粒 子滤波，它源 自序列蒙特卡罗方法[3]．该方法不受动态系统各个随机变量的限制，能够有效地应用于非线 性 、非高斯的运动系统 中． 文中首先对选定区域 目标建立颜色直方图模型，然后在选定区域附近产生 目标粒子区域，利用巴特查 理亚系数测量粒子区域和选定区域 2种分布之间的相似度，运用粒子滤波估计方法实现运动 目标的跟踪． 在跟踪过程中，粒子存在退化现象．文献[-4J采取重采样方法在一定程度上解决了退化问题，但 由于重采 样是根据权值大小进行的，导致采样后 的粒子由大量重复 的粒子构成，失去了多样性．文中采取概率累加 的方法保持粒子的多样性 ，防止粒子退化 ，取得较好的效果． 1 运动 目标模型 在确定运动 目标后 ，建立基于指数分布的统计模型．在区域中心，属于运动 目标的概率为 1，在偏离中 心的距离大于阈值时，概率属于指数衰减 ： ≤ T ； Ppos( )一 ／ ．． (1) IIexpf＼— T ， 可得到 目标的统计直方图分布模型 ： (2) p。 ()一c∑Pp。()(6()一)， i= 1 N C一1／∑P()． (3) 收稿 日期 ：2007—12—24；审稿人：付光杰 ；编辑 ：郑丽芹 作者简介 ：任伟建 (1963一 )，女，博士生导师 ，教授 ，主要从事复杂系统的控制及故障诊断方面 的研究．