卡尔曼粒子滤波的视频车辆跟踪算法研究

近年来，视频车辆跟踪作为城市智能交通系统（ITS）的一个关键技术受到关注。本文针对传统粒子滤波的非线性、非高斯性可能导致跟踪过程的不稳健性，提出一种基于卡尔曼粒子滤波的视频车辆跟踪算法，该算法利用基于重要区域的目标颜色直方图统计模型对视频车辆目标进行建模，并将其应用于卡尔曼滤波更新中，通过采用MeanShift算法将卡尔曼滤波器引用到粒子滤波器当中，对车辆的运行轨迹进行校正，实现了局部线性滤波，实现了在保持跟踪系统整体上的非线性、非高斯性的同时，兼顾其局部的线性高斯特性。实验结果表明，本文所提出的方法与传统粒子滤波方法相比，能够更准确地对车辆进行跟踪，同时保证了在复杂环境下性能的稳健性。