肖宇麒，潘迪夫，韩锟

(中南大学 交通运输工程学院，湖南 长沙 410075)



改进的粒子滤波算法及其在车牌跟踪中的应用

肖宇麒，潘迪夫，韩锟

(中南大学 交通运输工程学院，湖南 长沙 410075)

针对粒子滤波算法精度、效率不高及样本贫化等问题，提出通过量子粒子群算法和自适应遗传算法改进的粒子滤波算法。在粒子滤波重采样之后，考虑采用量子粒子群算法的位置更新方程对粒子分布进行改善；再按适应度大小对样本排序，滤除适应度值低于平均水平的粒子，选取相应数量较优粒子替换被滤除粒子。为保证样本多样性和有效粒子数量，引入自适应遗传算法对粒子进行交叉、变异操作。选择非线性目标跟踪模型和分时恒定值模型对本文改进算法进行仿真，仿真结果表明本文算法精度、数值稳定性均高于同类算法；最后将本文算法运用于汽车视频跟踪实验中，实验结果表明本文算法对目标跟踪中物体快速运动、光线和背景剧烈变化的情况都有准确的跟踪效果。

粒子滤波；车牌跟踪；量子粒子群算法；自适应遗传算法

快速移动的机动目标跟踪属于典型的信息融合应用领域，它对精度和实时性要求高，具且有非线性、非高斯的特点[1]。在导航、监控、风速预测、图像识别和目标跟踪中都有着广泛应用，也一直是研究的热点和难点。粒子滤波作为一种后验概率的求解方法，通过非参数化的蒙特卡洛模拟方法实现递推贝叶斯滤波[2]，精度逼近最优估计，适用于处理用状态空间表示的非线性、非高斯时变系统的状态滤波及参数估计等问题，在目标跟踪领域应用前景广阔[3]。……