毛晓波，朱东伟，陈铁军

(郑州大学电气工程学院，河南郑州450001)

0 引言

视频目标跟踪是计算机视觉领域的一个备受关注的前沿问题，在安全监控、军事侦察、精确制导、机器人导航等领域有着广泛的应用.视频目标跟踪是在连续的图像序列中精确地定位目标的位置、速度、姿态等状态［1］.目标跟踪的困难主要集中在目标颜色和形状的变化、目标所在环境光线的变化、目标被遮挡及运动无规律等方面.设计一个快速鲁棒的目标跟踪算法依然具有挑战性.目前的目标跟踪算法大体上分为两类：确定性跟踪方法和概率性跟踪方法.确定性的跟踪方法是通过寻找目标的最优匹配来实现跟踪，如均值漂移算法［2］(Mean Shift，MS);概率性跟踪方法是将目标转换为贝叶斯滤波框架下预测目标状态的迭代过程，如卡尔曼滤波［3］(Kalman Filter，KF)、粒子滤波［4］(Particle Filter，PF)等.

1 粒子滤波

粒子滤波是一种基于递推贝叶斯理论和蒙特卡罗模拟的滤波方法.它的基本思想是用一些带权值的随机采样点(粒子)来表示系统状态的后验概率密度函数，以样本均值代替积分运算，从而获得状态最小方差估计的过程.当样本数目足够多时，这种估计等同于后验概率密度.

贝叶斯递推处理过程分为预测和更新2个阶段.预测阶段是利用系统模型预测状态的先验概率密度;更新阶段是用最新的观察数据进行修正，得到后验概率密度［7］.Bayes 公式为

式中：p( xk|xk－1)由运动模型定义;p( yk|xk)由观察模型定义.

递推迭代关系式(1)和(2)构成……