人手粒子滤波跟踪器的研究与设计

提出一种粒子滤波方法中粒子样本采样方法,旨在用较少的粒子数描述高维状态变量的后验概率分布.首先,研究特定人机交互条件下操作者的认知心理特点和人手运动特点,在此基础上提出了状态变量微观结构的基本概念;然后,进一步探讨描述微观结构的一般方法;最后,提出了基于状态变量微观结构的粒子采样方法和改进的粒子滤波跟踪算法.状态变量的微观结构为采样算法的设计提供了一种统一、高效的数学模型,以此为基础的采样算法可以有效避免对质量比较差的粒子样本进行大量采样.为了验证算法的有效性和性能,进行了大量实验,结果表明,与传统的粒子滤波方法相比,采用少量的粒子样本就可以达到较高的跟踪精度