第二章 贝叶斯状态估计与粒子滤波视觉跟踪可视为状态估计问题16,54，即根据视觉目标在先前帧的状态信息估计其在当前帧的状态，从而实现视觉跟踪。状态估计一直都是自动控制、通讯、航空与航天等领域的经典研究主题之一69,70。贝叶斯状态估计是处理不确定性条件下状态估计问题的有力理论工具21,22,71。为了有效处理非高斯、非线性状态估计问题，二十世纪九十年代人们提出了粒子滤波19-22,71，粒子滤波是基于Monte Carlo随机模拟的贝叶斯滤波方法。本章将简单介绍贝叶斯状态估计和粒子滤波相关理论问题。首先，通过介绍贝叶斯状态估计相关理论，引出贝叶斯状态滤波问题及实现贝叶斯状态滤波的两大理论工具：卡尔曼系滤波器和粒子滤波。然后，简单介绍了卡尔曼系滤波器的相关理论和算法。最后，详细介绍了粒子滤波理论框架、收敛性问题及经典采样策略。2.1 贝叶斯状态估计估计理论是概率论和数理统计的一个分支，所研究的对象是随机现象。它是根据受干扰的观测数据来估计关于随机变量、随机过程或系统的某些特性的一种数学方法70。所谓估计，就是从带随机噪声干扰的观测信号中提取有用信息
