刘振涛， 王朝英， 刘卫群

(1.空军工程大学电讯工程学院，西安 710077; 2.中国人民解放军63751部队技术室，西安 710028)

0 引言

序列图像中运动目标跟踪技术是计算机视觉领域的一个重要课题，在视频监控、物体识别、人机界面等领域中有着广泛的应用前景［1］。运动目标跟踪的难点在于对复杂环境中非刚性运动目标的跟踪。目标的轮廓和所处背景复杂，目标发生旋转或被遮挡等都对跟踪造成不同程度上的影响［2］。

粒子滤波是一种基于蒙特卡罗仿真的递推贝叶斯估计方法，常用于解决非线性、非高斯噪声环境下的状态估计问题［3］。粒子滤波算法因其在目标跟踪领域中良好的鲁棒性，受到广大学者的关注，相应的改进算法层出不穷［4－6］。

粒子滤波算法中，系统状态的后验分布由一组带有权值的离散采样(称为粒子)来表达。经过若干帧跟踪后常常会出现粒子退化现象，而解决这一问题的有效方法之一就是对粒子进行重采样。但伴随而来的负面作用就是粒子衰竭，特别是当观测值比较准确或似然函数位于先验概率分布尾部时，在权值更新之后很多粒子的权值都变得很小［7］。导致个别具有较大权值的粒子在滤波过程中被多次选择，从而丧失了粒子的多样性［8］。因此如何防止粒子退化并保持粒子多样性就成为了解决重采样问题的关键。现有的重采样方法主要有:重要性重采样、残差重采样、分层重采样、优化组合重采样等等［9－11］。

针对上述问题，本文提出一种基于特征区分度量化分析和粒子分组优化的自适应粒子滤波跟踪算法。……