摘要： 【转自】http://zhidao.baidu.com/question/295313828.htmlMATLAB里有直接的函数。调用语法如下：（正态分布又被称为高斯分布） y = gaussmf(x,[sig c]) 其中x是变量，sig就是你图片里的σ，而c就是你图片里的μ，比如：下面是一个例子，你可以直接复制到MATLAB中运行就可以得到一个方差为2，均值为5的正态分布函数了：x=0:0.1:10;y=gaussmf(x,[2 5]);plot(x,y)xlabel('gaussmf, P=[2 5]') 阅读全文

摘要： 【转自】http://www.cnblogs.com/cfantaisie/archive/2011/06/16/2082267.html粒子滤波实现物体跟踪的算法原理：1）初始化阶段-提取跟踪目标特征该阶段要人工指定跟踪目标，程序计算跟踪目标的特征，比如可以采用目标的颜色特征。具体到Rob Hess的代码，开始时需要人工用鼠标拖动出一个跟踪区域，然后程序自动计算该区域色调(Hue)空间的直方图，即为目标的特征。直方图可以用一个向量来表示，所以目标特征就是一个N*1的向量V。2）搜索阶段-放狗好，我们已经掌握了目标的特征，下面放出很多条狗，去搜索目标对象，这里的狗就是粒子particle。狗有 阅读全文

摘要： 【转自：http://www.cnblogs.com/feisky/archive/2009/11/10/1600086.html】粒子滤波(PF: Particle Filter)的思想基于蒙特卡洛方法(Monte Carlo methods)，它是利用粒子集来表示概率，可以用在任何形式的状态空间模型上。其核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布，是一种顺序重要性采样法(Sequential Importance Sampling)。简单来说，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。这里 阅读全文