本文来自百度文档 还有一篇比较好的博文 1. 粒子滤波理论 粒子滤波通过非参数化的蒙特卡洛(Monte Carlo)模拟方法来实现递推贝叶斯滤波，适用于任何能用状态空间模型描述的非线性系统，精度可以逼近最优估计。 1.1. 贝叶斯滤波 动态系统的目标跟踪问题可以通过下图的状态空间模型来描述 ...

基本思想 所谓粒子滤波就是指：通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数，用样本均值代替积分运算，进而获得系统状态的最小方差估计的过程，这些样本被形象的称为“粒子”，故而叫粒子滤波。采用数学语言描述如下: 对于平稳的随机过程, 假定k - 1 时刻系统的后验概率密度 ...

基于粒子滤波的目标追踪 particle filter object tracking 读"K. Nummiaro, E. Koller-Meier, L. Van Gool. An adaptive ...

1、退化现象，随着滤波迭代次数的增加，大部分粒子的权重会变得很小，只有很少的粒子具有较大的权重。 2、退化现象会造成：1）后验概率只由少数几个权重较大的粒子表示，大多粒子对后验概率密度贡献接近于0 2）造成计算资源的浪费，使大量的计算浪费在对状态估计贡献甚微的粒子点上。 3、减少退化现象 ...

上学的时候每次遇到“粒子滤波”那一堆符号，我就晕菜。今天闲来无事，搜了一些文章看，终于算是理解了。下面用白话记一下我的理解。 问题表述： 某年月，警方（跟踪程序）要在某个城市的茫茫人海（采样空间）中跟踪寻找一个罪犯（目标），警方采用了粒子滤波的方法。 1. 初始化： 警方找来了一批警犬 ...

高斯公式： \[G(x,y)=\frac{1}{{2\pi{\sigma ^2}}}{e^{ - \frac{{{x^2} + {y^2}}}{{2{\sigma ^2}}}}}\ \] 代码 结果 结论 按公式编写：先构造 x 和 y 轴方向的数值刻度，形成 ...

基于频域的低通滤波（二维信号——图像） 算法分析 傅里叶变换，将灰度图由f(x,y)->F(u,v)(空域转频域),得到图像在频域中的频谱（在频谱中低频信号分布在频谱的四个角落，其余部分为高频信号，这样的分布难以滤出高频或低频信号） 中心化，将频谱F(u,v)中心化 ...

1）初始化阶段-提取跟踪目标特征 该阶段要人工指定跟踪目标，程序计算跟踪目标的特征，比如可以采用目标的颜色特征。具体到Rob Hess的代码，开始时需要人工用鼠标拖动出一个跟踪区域，然后程序自动计算该区域色调(Hue)空间的直方图，即为目标的特征。直方图可以用一个向量来表示，所以目标特征就是一个 ...