杨 戈，温诗伟,黄 静

(1.北京师范大学 珠海分校 信息技术学院，广东 珠海 519087;2.北京大学 深圳研究生院 深圳物联网智能感知技术工程实验室，广东 深圳518055)

视觉跟踪是通过对图像序列中的运动目标进行检测、识别、跟踪，获得运动目标的运动参数，通过进一步处理与分析，实现对运动目标的行为认识，以完成对运动目标的跟踪[1-2]等更高级的任务。处理理背景复杂多变的目标运动的跟踪问题，要运用到现阶段各相关领域相结合的识别跟踪算法，如均值漂移算法(Mean Shift)[3]，卡尔曼滤波算法(Kalman)、粒子群跟踪算法(Pso)[4]，以及粒子滤波跟踪算法PF(Particle Filter)[5]。粒子滤波算法适合处理非线性系统的目标跟踪问题，它摆脱了解决非线性滤波问题时，随机量必须满足高斯分布的制约[6]。因此，粒子滤波能够比较精确地表达基于观测量和控制量的后验概率分布,可用于解决即时定位与地图构建SLAM(Simultaneous Localization and Mapping)问题。

1 粒子滤波算法

粒子滤波的思想[7],即基于蒙特卡洛方法(Monte Carlo Methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。基于粒子滤波的视觉跟踪的核心思想是利用一组加权的随机样本 (也称为粒子){Xk(i),近似表示视觉目标后验概率p(Xk|Z1:k)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数p(xk|zk)进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。其中k为离散时间；Xk为状态向量,表示其在二维图像域上的位置；Zk为系统观测值，表示颜色分布向量。……