파티클 필터 (Particle Filter)

물체를 추적할 때 최근 들어서 가장 많이 쓰이는 알고리즘이라고 한다.

물체 추적으로는 여러가지 방법이 있는데, 그 중 유명한 것으로는 칼만 필터 (Kalman Filter)가 있다. 정확도가 높은 방법으로 유명하지만 Linear 시스템, 그리고 Gaussian Noise가 있는 경우에 그 정확도가 보장된다. 하지만 실제로는 이러한 조건들이 지켜지지 않는 경우에도 추적을 해야하며, 이 때 Particle Filtering을 사용할 수 있다.

파티클 필터(Particle Filter)는 Kalman Filter가 기반하는 해석적 방법 (선형 운동으로 가정하고 parameter를 찾아간다던가 하는) 이 아니라, trial and error에 기반하는 시뮬레이션을 통한 예측 기술의 하나로, SMC (Sequential Monte Carlo) 방법이라고도 한다.

(Monte Carlo를 간단히 설명하자면, 충분히 많은 수의 랜덤 입력의 결과를 수집하면, 결과적으로 시스템의 특성을 알 수 있다는 일종의 무대뽀식 방법이다. 무식해보이지만 우리가 사용하는 컴퓨터는 아주 빠르기 때문에 결과를 잘 얻어낸다.)

이러한 파티클 필터는 non-Linear, non-Gaussian 시스템에도 잘 동작하므로 칼만 필터보다 폭넓게 사용될 수 있다. 목적은 여느 추적 알고리즘이 그렇듯이, “오차가 존재하는 관측 값을 통해 시스템을 예측할 수 있다.”는 것이다.

동작 원리는 간단하다. 시스템에 적절한 확률 분포로 임의로 생성된 입력을 다수 가해보고 그것을 종합적으로 평가해서 시스템을 추적한다!

http://en.wikipedia.org/wiki/Particle_filter