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