王海梅，洪 敏

（南京理工大学自动化学院，南京 210094）

0 引言

红外目标跟踪技术依靠红外传感器感应目标辐射得到红外图像序列，它不受夜间光照条件限制，可以全天候工作，在民用、军事领域都有着重要的作用。然而，相对于可见光图像，红外图像也有其明显的弱点，如信噪比低，目标特征单一（一般为灰度特征），容易与背景混淆，特别是当目标处于复杂背景下时，传统的跟踪方法常常会发生跟踪不准确甚至误跟、漏跟的情况。

粒子滤波算法作为一种非线性滤波技术，对非高斯背景的非线性随机系统有很好的适用性［1］。经典的粒子滤波跟踪算法在对红外图像序列中的目标进行跟踪时，其观测模型通常只选取红外目标的灰度特征，这一方法对于一些背景简单的目标跟踪有着不错的效果，但当目标处于复杂背景下，如背景与目标具有相似的灰度等级、光照变化强烈或者目标自身属性发生变化、遮挡等情况时，粒子滤波的准确性和稳定性都会降低。为了克服经典粒子滤波算法应用的局限性，文中探讨了融合目标灰度与运动特征的粒子滤波算法，并应用该算法研究了遮挡及有相似干扰两种情况下红外运动目标的跟踪问题［1-5］。

1 基于灰度和运动特征的联合观测模型

1.1 带有空间信息的灰度特征提取

在基于粒子滤波的目标跟踪算法中，目标模板的选取对目标的跟踪性能有决定性的影响。红外目标最显著的特征就是其灰度特征，但传统的灰度直方图模型只包含了当前帧中相应区域的灰度分布信息，如果将像素的空间位置信息也加入到灰度直方图中，显然目标将得到更好的描述。……