47、基于路径节点集成独立粒子滤波器的人员跟踪与高效特征脸人脸识别

基于路径节点集成独立粒子滤波器的人员跟踪与高效特征脸人脸识别

1. 人员跟踪系统

在人员跟踪领域，单相机和多相机跟踪技术都有重要应用。单相机跟踪中，粒子滤波是一种常用方法。

1.1 单相机粒子滤波跟踪

• 运动预测与噪声处理 ：在人员跟踪过程中，为了考虑人类运动的非线性特性以及应对遮挡和形状变化对跟踪器的误导，采用了带有高斯噪声的运动预测模型：
  $\tilde{x} i^t = x_i^{t - 1} + \hat{v} {t - 1} + N(0, \sigma I^2)$
  其中，高斯噪声的动态参数 $\sigma_t$ 取决于之前估计位置 $\hat{x} {t - 1}$ 处计算的似然得分，计算公式为：
  $\sigma_t = \frac{\sigma_0}{(1 + \alpha p(z {t - 1}|\hat{x}_{t - 1}))}$
  这样在遮挡或快速运动变化时，噪声项会增大，确保粒子在下一步能更广泛地分布，从而使跟踪系统在遮挡后仍能处理标签分配问题。
• 初始化 ：当有人进入场景时，会创建并初始化新的粒子滤波器。通过背景减法算法提取前景掩码并标记，未分配的斑点被分类为新对象。若对应 Bhattacharyya 距离低于阈值，斑点会与粒子关联并从待跟踪新对象列表中移除。对象的初始位置 $\hat{x}_0$ 设为斑点重心，并使用斑点外观初始化三个外观模型。

1.2 多相机跟踪

• 基本原理