Reading papers_4(与particle filter相关,ing...)

  1. 读Isard, M. and A. Blake (1998). "Condensation—conditional density propagation for visual tracking." International journal of computer vision 29(1): 5-28.

  在目标跟踪领域中,kalman跟踪有着先天的不足,因为它是基于单模高斯分布的,不能同时表示多目标。而condensation算法使用了重采样技术,目标的概率分布通过随机产生的数据集来表示,然后使用已知的动态模型和观察模型来传播这些随机数据集。实验最后显示这个算法对快速运动的物体跟踪非常鲁棒,能够实时跟踪。

  作者给出了condensation算法的过程(暂时未看懂),即选择粒子,通过运动模型预测粒子,通过观测模型观察粒子。论文中曲线运动,运动模型,观测模型公式一大把,头看晕了,不能本质上理解,那些作者为什么就不能给个通俗易懂的算法流程呢?

  作者的实验分为4个部分:跟踪多模态分布的物体;跟踪快速运动的物体;跟踪具有关节特性的物体;跟踪有伪装的物体;

  粒子跟踪的优点非常多,没有高斯单模等前提假设,可以比kalman更好的跟踪刚性或非刚性物体。其计算复杂度也不大。粒子滤波性能的好坏取决于粒子的个数N。

  作者提出了粒子滤波的缺点也不少:观测模型的选择问题;需要更多的状态密度通用表达;随机采样表和其效率问题;文章公式给出的密度传播方程是连续形式的等。

 

 

 

 

作者:tornadomeet 出处:http://www.cnblogs.com/tornadomeet 欢迎转载或分享,但请务必声明文章出处。 (新浪微博:tornadomeet,欢迎交流!)
posted on 2012-05-01 21:44  tornadomeet  阅读(1038)  评论(0编辑  收藏  举报

阿萨德发斯蒂芬