论文部分内容阅读
针对序贯蒙特卡罗(Sequential Monte Carlo,MC)算法存在的计算量大的缺点,提出了一种新的Mean Shift MonteCarlo(MSMC)目标跟踪算法。在传统的MC算法中采取Mean Shift这种梯度最优下降法来寻找局部最大样本值,以目标的颜色特征建立目标状态空间模型,并用Bhattacharyya系数作为评价函数给出样本的权值。算法以少于300个样本(实验用200个样本)来保持对目标运动状态预测的多样性,有效地克服了MC算法收敛速度较慢的弱点,将算法的计算时间从76 m