论文部分内容阅读
经典粒子滤波算法进行复杂背景下的目标跟踪时,不能及时将突变的背景信息更新到目标模板中,容易造成跟踪不稳定,尤其是当突变背景与目标模板相似时,容易造成目标丢失。为了解决此类问题,提出了具有元认知能力的粒子滤波(MCPF)目标跟踪算法。首先,MCPF对初始化目标模板进行认知,建立目标认知模板和背景认知模板作为MCPF的元认知知识成分,然后,MCPF监控多次迭代后采样粒子的观测信息,刺激产生MCPF元认知体验成分,从而有效地调节MCPF算法的决策机制。实验结果表明,该算法跟踪实时性高、稳定、可靠,当背景发