基于权重约束GM-PHD滤波的多目标跟踪方法

TP391; 针对高斯混合概率假设密度(GM-PHD)滤波器未检查一对一假设以及难以跟踪跨越目标的问题,在其基础上提出一种约束权重的改进多目标跟踪方法.通过构建权重矩阵,从所有生成的目标中寻找权重最大的目标.根据权重关系,重新归一化除最大权重外所有行的目标,并使归一化和权重约束迭代进行.在GM-PHD滤波器的更新步骤中生成目标的相应权重,完成滤波操作.通过蒙特卡罗仿真对该方法进行评估,检测有杂波、不同目标速度和不同帧率情况下的滤波器性能,分别对穿越和密集的目标进行仿真.实验结果表明,与使用GM-PHD滤波器和基于序贯蒙特卡洛概率假设密度(SMC-PHD)滤波器的方法相比,该方法整体跟踪性能较优...

Full description

Saved in:
Bibliographic Details
Published in计算机工程 Vol. 43; no. 3; pp. 282 - 288
Main Author 赵一峰
Format Journal Article
LanguageChinese
Published 哈尔滨理工大学 计算机科学与技术学院,哈尔滨,150080 2017
Subjects
权重约束
weight constraint
normalization
归一化
multi-target tracking
Gaussian Mixture Probability Hypothesis Density(GM-PHD)filter
一对一假设
one-to-one assumption
高斯混合概率假设密度滤波器
多目标跟踪
Online AccessGet full text
ISSN1000-3428
DOI10.3969/j.issn.1000-3428.2017.03.047

Cover

More Information
Summary:TP391; 针对高斯混合概率假设密度(GM-PHD)滤波器未检查一对一假设以及难以跟踪跨越目标的问题,在其基础上提出一种约束权重的改进多目标跟踪方法.通过构建权重矩阵,从所有生成的目标中寻找权重最大的目标.根据权重关系,重新归一化除最大权重外所有行的目标,并使归一化和权重约束迭代进行.在GM-PHD滤波器的更新步骤中生成目标的相应权重,完成滤波操作.通过蒙特卡罗仿真对该方法进行评估,检测有杂波、不同目标速度和不同帧率情况下的滤波器性能,分别对穿越和密集的目标进行仿真.实验结果表明,与使用GM-PHD滤波器和基于序贯蒙特卡洛概率假设密度(SMC-PHD)滤波器的方法相比,该方法整体跟踪性能较优.
ISSN:1000-3428
DOI:10.3969/j.issn.1000-3428.2017.03.047