黄 鹤，吴 琨，李昕芮，王 珺，王会峰，茹 锋

（1.长安大学电子与控制工程学院，西安710064；2.西安市智慧高速公路信息融合与控制重点实验室，西安710064）

前言

随着交通管理智能化［1］的需求与日俱增，车辆跟踪技术作为智能交通的重要组成部分受到了国内外学者的关注。粒子滤波（proticle filter，PF）首次应用在跟踪系统以来，能够克服遮挡或环境引起的非线性问题，但在环境干扰后会产生样本贫化现象，因此众多学者针对特征单一及粒子退化的问题展开了研究。文献［2］中提出将遗传算法应用于粒子滤波的重采样阶段，能更快地定位目标车辆在各种遮挡情况下的真实位置。文献［3］中提出了一种基于方向修正的粒子滤波跟踪算法，通过赋予目标运动方向相似粒子更大的权重，增加粒子滤波的稳定性，降低粒子消耗。文献［4］中将边缘特征和颜色特征自适应融合，从而克服了环境变化对跟踪目标效果的影响，提高了算法的鲁棒性。文献［5］中将对目标变化具有较强鲁棒性的颜色分布特征以及能代表目标结构的KAZE特征相融合，实现复杂环境下的目标跟踪。但这类文献都是基于重采样的基本框架，无法从根本上解决粒子退化问题，会导致样本多样性损失。

近年来，元启发算法［6-7］优化粒子滤波成为了新的主流研究方向。例如文献［8］中将萤火虫算法与粒子滤波算法相结合，改善了样本贫化，并降低了所需粒子的消耗；文献［9］中通过引入levy飞行策略对蝙蝠算法进行改进，并将其引入至粒子滤波算法中，提高粒子的分布状态及其合理性。……