基于最大后验概率密度的粒子过滤器跟踪算法
Kalman滤波的弱点是它无法解决非线性、非高斯问题的跟踪.为此提出了一种新型的跟踪算法,粒子过滤器算法.该算法采用加权的粒子集模型表示状态的分布,迭代跟踪状态的变化.其优点是它可以适应复杂环境的重叠和遮挡情况,且能同时跟踪多目标.采用最大后验概率模型确保了状态判断和估计的准确性.对重采样的分析减少了算法对噪声的敏感.并把样本安排在目标可能出现的区域.在眼睛跟踪系统上实现了该算法.仿真结果表明MAP模型在精度上与传统的方法比较提高7%.眼睛跟踪的结果证实了仿真的结果.
作 者： 刘天键 朱善安 LIU Tian-jian ZHU Shan-an 作者单位： 浙江大学,电气工程学院,浙江,杭州,310027 刊 名： 光电工程 ISTIC PKU 英文刊名： OPTO-ELECTRONIC ENGINEERING 年，卷(期)： 2005 32(11) 分类号： V556 TN713 关键词： 粒子过滤器 信息过滤器 目标跟踪 跟踪算法