多特征融合的退火粒子滤波目标跟踪

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (6): 164-167.

• 图形、图像、模式识别 • 上一篇下一篇

多特征融合的退火粒子滤波目标跟踪

初红霞^1，2，王科俊¹，王希凤²，郭庆昌¹，韩晶²

1.哈尔滨工程大学自动化学院，哈尔滨 150001
2.黑龙江工程学院电子工程系，哈尔滨 150001

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-02-21 发布日期:2011-02-21

Multi-featured integration annealing particle filtering target tracking

CHU Hongxia^1，2，WANG Kejun¹，WANG Xifeng²，GUO Qingchang¹，HAN Jing²

1.College of Automation，Harbin Engineering University，Harbin 150001，China
2.Department of Electronic Engineering，Heilongjiang Institute of Technology，Harbin 150001，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-02-21 Published:2011-02-21

摘要/Abstract

摘要： 针对传统粒子滤波的建议分布没有利用到当前观测信息的缺点，提出了一种基于多特征融合的退火算法来改进建议分布的粒子滤波跟踪方法。该方法解决了高维状态下计算量大和粒子数匮乏问题。采用退火方法在蒙特卡洛重要采样范围内产生更好的建议分布，并用退火似然性抽样来代替简单的先验概率抽样。在似然逼近中，应用颜色和边缘相融合的图像特征属性在不同的退火层加权来产生权重功能函数。用该方法对复杂背景下和存在遮挡情况下的运动目标进行跟踪，结果表明该方法有较高的跟踪精度和较强的稳定性。

关键词: 粒子滤波, 模拟退火, 多特征融合, 建议分布

Abstract: Proposal distribution of traditional particle filtering has the shortcomings which is lacking of utilizing current observational information.In order to improve the performance of particle filter for target tracking，a particle filter tracking method based on multi-featured integration annealing algorithm is proposed to improve the proposal distribution.The proposed solution gives an answer to the large amount of calculation and lacking of particles under high-dimensional conditions.With adoption of the approach，the better proposal distribution can be generated within the scope of Monte Carlo importance sampling range，and the simple priori probability sampling can also be replaced by annealing likelihood sampling.In the likelihood approximation，image feature attribute of colors and edges integration is applied to generate weight function at different annealing layer by weighing.Experiment shows the method is of higher tracking accuracy and stronger stability when tracking moving objects is under complex situation and occlusion circumstance.

Key words: particle filtering, Simulated Annealing, multi-featured integration, proposal distribution

初红霞^1，2，王科俊¹，王希凤²，郭庆昌¹，韩晶². 多特征融合的退火粒子滤波目标跟踪[J]. 计算机工程与应用, 2011, 47(6): 164-167.

CHU Hongxia^1，2，WANG Kejun¹，WANG Xifeng²，GUO Qingchang¹，HAN Jing². Multi-featured integration annealing particle filtering target tracking[J]. Computer Engineering and Applications, 2011, 47(6): 164-167.

[1]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[2]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[3]	马艳芳，李保玉，杨屹夫，冯翠英. 客户分类下生鲜配送两级路径问题与算法研究[J]. 计算机工程与应用, 2021, 57(20): 287-298.
[4]	童文林，陈德旺，黄允浒，吕宜生. 结合模拟退火与规则约简的模糊系统优化方法[J]. 计算机工程与应用, 2021, 57(16): 142-150.
[5]	张晓晓，牛福，毛健平，安居白，郭浩. 基于多特征融合与ResNet的海面溢油区识别研究[J]. 计算机工程与应用, 2021, 57(14): 267-274.
[6]	张凯，靳鹏，崔勇. 带时间窗的多车型需求可拆分揽收配送问题[J]. 计算机工程与应用, 2021, 57(14): 281-288.
[7]	孙新领，张皓，赵丽. 结合尺度估计MST和粒子滤波的视频目标跟踪[J]. 计算机工程与应用, 2020, 56(8): 117-123.
[8]	王思奎，刘云鹏，亓琳，张钟毓，林智远. 基于背景约束与卷积特征的目标跟踪方法[J]. 计算机工程与应用, 2020, 56(8): 205-214.
[9]	邹承明，明成龙，李成龙. 融合相关粒子滤波目标跟踪算法[J]. 计算机工程与应用, 2020, 56(7): 184-192.
[10]	赵京霞，钱育蓉，南方哲，张晗，行艳妮. CNN多层特征融合与ELM的乳腺疾病诊断方法[J]. 计算机工程与应用, 2020, 56(4): 122-127.
[11]	刘晓栋，尚振宏，黄欢. 有效块的多特征融合的目标跟踪方法[J]. 计算机工程与应用, 2020, 56(3): 201-206.
[12]	禹忠，顾仁彬，范九伦. 基于LBT-SA的LoRaWAN信道接入方法研究[J]. 计算机工程与应用, 2020, 56(24): 95-101.
[13]	李昕昕，杨林. 面向复杂道路场景小尺度行人的实时检测算法[J]. 计算机工程与应用, 2020, 56(22): 124-131.
[14]	曹洁，赵伟吉，余萍，王进花. 改进鸟群算法优化PF的双馈发电机故障诊断[J]. 计算机工程与应用, 2020, 56(18): 229-237.
[15]	张云纯，张琨，徐济铭，袁卫平，蔡颖，高雅. 基于图模型的多文档摘要生成算法[J]. 计算机工程与应用, 2020, 56(16): 124-131.

多特征融合的退火粒子滤波目标跟踪

Multi-featured integration annealing particle filtering target tracking

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics