文档介绍：合肥工业大学
硕士学位论文
基于粒子滤波的参数估计及图像跟踪算法研究
姓名:周芳龙
申请学位级别:硕士
专业:计算机软件与理论
指导教师:王浩
2011-03
基于粒子滤波的参数估计及图像跟踪算法研究

摘要

粒子滤波方法和图像跟踪技术都是当前研究和应用的热门课题。本文主要
基于粒子滤波方法,研究其在不确定参数系统和图像跟踪中的应用,目的是提
高粒子滤波算法在这些领域内应用的可靠性和稳健性。本文的研究工作主要包
括:
(1)回顾了贝叶斯滤波理论的发展,介绍了粒子滤波方法的基本原理。回
顾了图像跟踪技术的发展,通过仿真实验,展示了粒子滤波方法在状态估计和
图像跟踪中的应用。
(2)为解决粒子滤波参数估计容易收敛于局部解的问题,提出了基于似然
权值的粒子滤波参数估计方法。通过在传统粒子滤波状态估计方法的基础上,
使用 EM 方法来递归更新状态模型中未知参数的值。针对在线 EM 算法中,步长
序列过于单一,使在线 EM 算法收敛缓慢并很容易收敛于局部最优解的问题,在
EM 算法更新参数值的同时,融合最新的参数估计值信息,通过计算更新参数的
似然值来动态更新步长序列,仿真实验表明算法能更快的收敛到全局解。通过
在图像跟踪算法中,使用参数动态变化的运动模型,利用本文提出的算法估计
模型参数的变化,有效的解决了固定运动模型中,由于目标运动复杂而不能产
生有效的预测粒子的问题。
(3)为了解决复杂场景中目标跟踪鲁棒的问题,提出了基于 SIFT 特征的
混合观测模型粒子滤波图像跟踪算法,通过混合使用 SIFT 特征和颜色直方图特
征,避免了单一颜色直方图信息在周围存在颜色分布相似目标干扰的情况下,
容易被干扰目标吸引的缺点。同时避免了在目标经历较大变化(如大幅度的旋
转),SIFT 特征点匹配数较少的情况下,无法完成目标跟踪的问题。SIFT 特征
和颜色直方图特征的融合,实现了特征信息的互补,提高了跟踪算法的鲁棒性。
实验结果表明,所提算法对部分遮挡,存在相似目标干扰及目标经历复杂运动
的场景下均能较好的跟踪目标。

关键词:粒子滤波;参数估计;SIFT;在线 EM;图像跟踪;混合特征

1
Particle filter based parameter estimation and
image tracking algorithm study

ABSTRACT

Particle filter method and image tracking technology both are the current hot
studied and applied topics. This thesis mainly focus on particle filter based methods,
study the application in uncertain parameter system and image tracking, to improve
the reliability and robustness of the method when applied in these fields. The main
work of this thesis contains:
Firstly, the thesis reviews the development of bayesian filter theory and the
evolution of image tracking technology, and then introduces the fundamental
principle of particle filter method. Through simulation experiments, the thesis
demonstrates basic applications of particle filter method in state estimation and
image tracking.
Secondly, to solve the problem that particle filter based parameter estimation
method is easy convergent to local optimal values, the thesis proposes a particle
filter based likelihood weighted parameter