基于粒子滤波和Mean-shift的跟踪算法  

Tracking Algorithm Based on Particle Filtering and Mean-shift

作　　者：蒋旻[1] 许勤[1] 尚涛[2] 高伟义[1] 

机构地区：[1]武汉科技大学计算机科学与技术学院,武汉430081 [2]武汉科技大学信息科学与工程学院,武汉430081

出　　处：《计算机工程》2010年第5期21-22,25,共3页Computer Engineering

基　　金：国家自然科学基金资助项目“动态场景下的图像超分辨率重建”(60705012/F030404);武汉科技大学科学基金资助项目(2008TD04)

摘　　要：粒子滤波作为一种基于贝叶斯估计的算法,在处理非线性运动目标跟踪问题上具有特殊的优势。基于此,提出一种基于粒子滤波和Mean-shift的混合跟踪算法(KMSEPF)。KMSEPF算法对一般的Mean-shift和粒子滤波混合算法进行改进。结果证明,KMSEPF算法与混合算法MSEPF相比,在计算效率提高的同时,跟踪准确性和处理遮挡的能力没有下降。As an algorithm based on Bayesian estimation, particle filtering is predominant on tracking nonlinear moving target. This paper proposes an algorithm, which is based on Mean-shift and particle filtering, named K-means and Mean-shift Embedded Particle Filter（KMSEPF）. The KMSEPF algorithm improves the general mixture algorithms which are based on particle filtering and Mean-shift. Results show that the algorithm reduces the computation complexity, while maintains the high precision and the ability to control the occlusion, compared with the MSEPF algorithm.

关 键 词：粒子滤波 Mean—shift算法 目标跟踪 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]