粒子过滤器框架中的分层搜索策略跟踪红外目标

感兴趣的目标可能会因其复杂的操作，相机平台的自我运动等而出现明显的外观变化。当前，在前瞻性红外（FLIR）序列中进行目标跟踪仍然是计算机视觉领域的一个难题。 尽管已经付出了许多努力，但仍有一些问题需要解决。 首先，当目标状态明显变化时，由先验信息生成的状态粒子不能很好地近似概率密度函数。 其次，必须采用大量粒子来获得令人满意的目标状态估计，这反过来又会导致繁重的计算负担。 本文提出了一种分层搜索策略（HS跟踪器）来跟踪粒子过滤器框架中的红外目标，并采用了两种观测模型来稳健地定位目标。 在第一阶段，显着性图会导致重新分布的状态粒子覆盖可以显着预测目标区域的显着区域。 在第二阶段，使用稀疏表示从所有目标候选中搜索真实子集的子集；因此，仅使用有效状态粒子来估计目标状态。 在美国陆军航空和导弹司令部数据库的众多FLIR序列上对该方法进行了测试，实验结果证明了该方法的出色性能。 :copyright:2016自然计算应用论坛