一种基于粒子滤波的多目标跟踪算法

【摘要】：提出一种新的基于粒子滤波的多目标跟踪算法。该算法根据每个目标的状态估计值从全局观测空间中为其分配一个独立的子空间作为其生存空间,通过分别估计每个子空间中的后验概率分布,以更低的计算复杂度得到多模态的后验概率分布估计,从而实现多目标跟踪。另外,提出一种基于加速度估计的动态模型和基于该模型的自适应粒子数策略,能够进一步提高在非线性非高斯状况下跟踪的准确度。在实验中,使用提出的算法对实际拍摄的视频序列中的多个目标进行跟踪,并针对一种非线性非高斯系统分别采用3种不同多目标跟踪算法所用的动态模型进行实验。结果证明:所提出的算法能够在实际环境中实时稳定地实现目标数不固定的多目标跟踪,且提出的动态模型也明显优于其他2种动态模型,更加适用于非线性非高斯情况下的跟踪。