粒子滤波总结笔记

最新推荐文章于 2022-11-03 18:17:38 发布

yanqingan

最新推荐文章于 2022-11-03 18:17:38 发布

阅读量3w

点赞数 8

CC 4.0 BY-SA版权

分类专栏：模式识别文章标签：算法 transition float filter 2010 linux

本文链接：https://blog.youkuaiyun.com/yanqingan/article/details/6039853

本文介绍了粒子滤波(Particle Filter)算法，源于蒙特卡洛方法，用于表示概率分布。文章详细阐述了初始化、转移、决策和重采样四个阶段，并通过比喻解释了每个阶段的工作原理。在Linux和VS2008环境下提供了C程序示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

2010年11月27日星期六

MadTurtle总结笔记：粒子滤波

离上次写立项的时候已经有5个月左右的时间了，中间没一直做跟踪，毕竟身不由己。一直都想写点什么，关于自己正在做的和即将做的，但是总是没那个时间来好好总结，今天压缩时间还是整点东西上来，希望对大家有点小用。

什么是粒子滤波

粒子滤波(PF: Particle Filter)^[1]算法来源于蒙特卡洛方法(Monte Carlo method)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表示其分布情况，是一种顺序重要性采样法(Sequential Importance Sampling)。

1. 初始化阶段

在跟踪前需要选定出要跟踪的目标物体，这个过程可以用人工划定方法和自动识别方法。使用人工的方法可以通过鼠标在图像区域标记出一片感兴趣矩形然后计算它的特征；使用自动的方法就是目标检测技术，识别出图像中要跟踪物体的大致位置。

对于粒子滤波的初始化过程我们可以假设成为孕育美女的过程，我们既可以像毛泽东所提倡的那样，全国各地各种人物生出一堆子女(这里的子女即是particle)来，不管美丑------在图像中到处放粒子；也可以人为的指定哪几家豪门贵族太子党才可以生子女------在指定的ROI中放粒子；更或者我们采取公投的方式，选出我们心目中真正的美女世家来制造子女------