TRACKING DEFORMABLE AND OCCLUDED OBJECTS USING PARTICLE FILTERING AND GVF-SNAKE

An adaptive object tracking algorithm based on particle filtering and a modified Gradient Vector Flow (GVF) Snake is proposed for tracking moving and deforming objects. The original contours of objects are obtained by using the background differencing method,and the true contours of objects can be converged by means of the powerful searching ability of a modified GVF-Snake. Finally,an Energetic Particle Filtering (EPF) algorithm is obtained by combining particle filtering and a modified GVF-Snake,and by using K-means and the EPF algorithm,multiple objects can be tracked. The proposed tracking tactic for partially occluded objects can effectively improve its anti-occlusion ability. Experiments show that this algorithm can obtain better tracking effect even though the tracked object is occluded.

改进权值计算的EPF算法及在目标跟踪中的应用

扩展卡尔曼粒子滤波(EPF)在预测阶段通过EKF选取重要性函数而优化了粒子选取,但是传统EPF算法中粒子权值一般是通过正态分布的概率密度函数计算的。此方法没有突出不同噪声粒子的权值差别,在计算中引入了较大的相对误差。通过在更新阶段对权值计算所依赖的概率密度函数做出改进,得到改进的EPF算法。同时采用实际目标跟踪数据进行仿真对比实验,结果验证了此方法有效可行,并且减小了预测误差。

改进粒子滤波算法的比较

重要性密度函数的选择对粒子滤波至关重要,围绕重要性密度函数的选择,已提出许多改进粒子滤波算法,典型的有扩展卡尔曼粒子滤波(EPF),不敏卡尔曼粒子滤波(UPF)、辅助粒子滤波(APF)及正则化粒子滤波(RPF)。详细讨论了4种改进粒子滤波算法的基本思想、性能特点及主要步骤。通过对一典型标量非线性系统的滤波实验,对4种改进算法的性能进行了仿真比较,实验结果表明,4种改进算法都从不同程度上改善了粒子滤波器的性能,其中,UPF的性能最优。最后,分析了各算法的改进原因。

非线性滤波算法的性能分析

对目前非线性滤波的主要算法即扩展卡尔曼滤波、不敏卡尔曼滤波、粒子滤波、扩展卡尔曼粒子滤波和不敏粒子滤波的滤波模型、适用条件、性能进行了分析比较,给出了每种方法的计算复杂度.通过一个非线性非高斯模型进行了仿真,验证了这些算法的性能.

基于强跟踪-扩展卡尔曼粒子滤波的巡航段自主导航方法

通过对探测器巡航段状态方程和观测方程非线性问题的研究,提出一种强跟踪扩展卡尔曼粒子滤波(ST-EPF)算法,并将其应用于巡航段自主光学导航的方案中,由此来实时确定探测器的轨道。所提出的改进粒子滤波算法是将强跟踪扩展卡尔曼滤波引入粒子滤波来更新粒子,产生重要性密度,缓解粒子退化和样本贫化问题,以提高导航系统对状态突变的跟踪能力。通过仿真表明,改进粒子滤波算法在探测器轨道参数精度和方差预报的有效性方面有了较大地提高,能够适应快速变化的飞行环境,而且滤波精度明显的优于EPF滤波算法。

一种改进的优效粒子滤波TBD算法

针对传统的优效粒子滤波的检测前跟踪算法(EPF-TBD)在低信噪比场景中目标状态变化会引起虚警和漏检问题,文中给出一种改进的优效PF-TBD算法改进其检测方式,利用目标检测概率变化的斜率和当前目标状态进行检测。仿真结果表明,与传统算法相比,改进算法检测效果有明显的改善,平均检测概率提高,平均虚警概率降低,通过对比不同门限的检测效果给出适应不同要求的改进算法检测门限。