基于粒子滤波的on-line boosting目标跟踪算法

基于Haar-like特征的on-line boosting跟踪算法(HBT)把目标跟踪看作是目标与背景的二分类问题,通过在候选区域搜索最大分类置信度的方法得到目标新的位置。但在获取最大置信度时选用的是区域穷举搜索法,当目标过大或者运动速度过快时,很难确保系统的实时性,且易造成跟踪丢失。本文将粒子滤波算法引入HBT目标跟踪框架中,通过建立目标运动模型,并把HBT目标分类置信度与粒子滤波的观测模型结合起来,提出了基于粒子滤波的on-line boosting目标跟踪算法(PFHBT)。与HBT算法相比,本文算法不仅加快了计算速度,而且很好地解决了目标速度过快造成跟踪丢失的问题,保证了系统的实时性和鲁棒性。