Algorithm 粒子滤波算法应该如何初始化样本和权重？

我应该使用压缩算法来跟踪视频中移动的对象。对象的初始位置（例如边界框中心的坐标）和大小（边界框的宽度和高度）是已知的

对象在笛卡尔平面上的位置和大小是其状态。给定初始值​​对于对象的位置和大小，我应该如何初始化样本？另外，我应该如何初始化权重？

精确的起始位置 如果您确实知道起始点/大小，则可以将所有样本设置为已知值。权重可以设置为您喜欢的任何值（例如，全部相等），因为缩聚算法的第一步将从旧样本中选择N个新样本

（选择哪些样本取决于相对权重，但由于所有样本都相同，因此将始终给出相同的答案。）

近似起始位置 如果您有一个近似的起始位置（例如，可能起始精度为几个像素），那么您可以通过选择样本来表示起始分布来获得更好的结果

---

一种方法是在允许的值范围内选择样本，并将权重设置为PDF的相应值。然后需要第二次传递来规范化权重，以便权重之和等于1。

好吧，我有一个近似的起点，那么我应该使用哪个分布？您需要一些模型来描述近似中的错误。常见的模型可能是假设均匀误差，或高斯误差分布，具有一定的标准偏差。e、 g.如果误差通常在+-10像素范围内，那么简单地为误差从-10到+10选择一个均匀分布可能是一个合理的工作。