粒子濾波法是指通過尋找一組在狀態空間傳播的隨機樣本對概率密度函式進行近似，以樣本均值代替積分運算，從而獲得狀態最小方差分布的過程。
對於粒子濾波跟蹤方法，這裡有一篇很淺顯易懂的部落格，我分享給大家他的工作也是參考rob hess的程式做的，感謝老外的開源精神，我看了他的程式，我也提出了我的幾點改進，作者本身的設想是想做多目標的運動跟蹤，但函式介面寫的還是有些混亂，以至於最後不能實現（估計是我才疏識淺，沒能領會作者的精神），而且用到了gsl數學庫，這個庫我是不熟悉的，開了一下程式，主要也就只用了裡面的隨機數的功能，這功能在新版本的opencv裡已經整合啦，作者用的資料結構還是老版本的結構，好多函式還是作者自己寫的，我這裡用新版本的資料結構重新寫了一遍這個演算法，簡化跟蹤目標為乙個。下面介紹一下我的設計流程
具體的演算法流程為
我的實際程式設計步驟大概可以分為如下幾步：
// step 1: 提取目標區域特徵**// step 2: 初始化particle（粒子的個數很影響跟蹤的速度）
// step 3: 求particle的transition（這一步的引數會很影響粒子的變化區域，需要對不同的跟蹤物件進行調整引數）
// step 4: 求particle區域的特徵直方圖（特徵選取的不合適也很影響結果）
// step 5: 特徵的比對,更新particle權重（特徵比較的方法也是影響結果的因素）
// step 6: 歸一化粒子權重
// step 7: resample根據粒子的權重的後驗概率分布重新取樣
// step 8: 計算粒子的期望，作為跟蹤結果
粒子濾波目標跟蹤
1 初始化階段 提取跟蹤目標特徵 該階段要人工指定跟蹤目標，程式計算跟蹤目標的特徵，比如可以採用目標的顏色特徵。具體到rob hess的 開始時需要人工用滑鼠拖動出乙個跟蹤區域，然後程式自動計算該區域色調 hue 空間的直方圖，即為目標的特徵。直方圖可以用乙個向量來表示，所以目標特徵就是乙個n 1的...
粒子濾波實現物體跟蹤
粒子濾波實現物體跟蹤的演算法原理 1 初始化階段 提取跟蹤目標特徵 該階段要人工指定跟蹤目標，程式計算跟蹤目標的特徵，比如可以採用目標的顏色特徵。具體到rob hess的 開始時需要人工用滑鼠拖動出乙個跟蹤區域，然後程式自動計算該區域色調 hue 空間的直方圖，即為目標的特徵。直方圖可以用乙個向量來...
基於粒子濾波的物體跟蹤
一直都覺得粒子濾波是個挺牛的東西，每次試圖看文獻都被複雜的數學符號搞得看不下去。乙個偶然的機會發現了rob hess 實現的這個粒子濾波。從 入手，一下子就明白了粒子濾波的原理。根據維基百科上對粒子濾波的介紹 粒子濾波其實有很多變種，rob hess實現的這種應該是最基本的一種，sampling i...