目标跟踪下的递归贝叶斯滤波框架———粒子滤波作为运动模型
一、递归贝叶斯滤波=预测+更新
(1)预测:
(2)更新:
二、粒子滤波流程概括
引自:《CONDENSATION—Conditional Density Propagation for Visual Tracking》
三、目标跟踪中的粒子滤波
a. 简介
b. 运动模型(动态方程)
c. 观测模型(观测方程)
d. 整体步骤概述
图中红方框为目标或其候选。
已知第帧中目标的位置,要在第t帧图像中预测目标。步骤如下:
(1)由于未知状态转移方程,我们不能直接利用得到。通常的做法是以位置(即左图中的红方框)的中心为均值,按照高斯分布(也即正态分布)产生个样本点(即粒子),如右图中黑点所示;
(2)将这个样本点对应的图像特征(比如颜色直方图)作为观测值。计算这个样本点与或者某个模板之间的相似度,再将这个相似度转化成相应的权值并归一化;
(3)最后将个样本点的特征带权求和作为。
四、实例
(1)结合CT算法与粒子滤波的目标跟踪算法(参考)
(2)编程实例
参考博文