基于sigma set的粒子滤波目标跟踪算法

视频跟踪算法的性能相当程度上依赖于目标表观特征建模的鲁棒性和区分性,传统的粒子滤波算法,选取目标的灰度直方图作为表观特征。但是在很多实际情况下,灰度直方图作为目标表观特征表现出来的准确性和鲁棒性较低,跟踪系统的稳定性较差。本文在传统粒子滤波的基础上,对目标表观特征建模方面进行了改进,利用协方差描述子融合多特征,构造协方差矩阵,研究了基于协方差矩阵的粒子滤波算法,并进一步在协方差矩阵的基础上构造sigma set,研究了基于sigma set的粒子滤波算法,利用sigma set特征的鲁棒性和区分性,实现了对形变、光照和遮挡等复杂情况下的目标建模。实验证明,基于sigma set的粒子滤波算法对干扰、光照变化,以及目标形变等有较强的鲁棒性,较传统方法跟踪性能有很大的提高。