基于代价参考粒子滤波器组的多目标检测前跟踪算法OA北大核心CSTPCD
针对图像序列中多目标检测和跟踪算法结构复杂、计算量大、性能降低等问题,提出一种基于代价参考粒子滤波器组的多目标检测前跟踪(Cost-reference particle filter bank based multi-target track-before-detect, CRPFB-MTBD)算法,将多目标跟踪问题转换为序贯地检测和跟踪多个单目标的问题.首先,采用代价参考粒子滤波器组序贯地估计所有可能单目标状态序列;其次,基于所有可能单目标状态序列的欧氏距离和累积代价确定目标数量;最后,根据累积代价判断每个目标出现和消失的具体时刻.仿真实验验证了CRPFB-MTBD的优良性能,与基于传统粒子滤波的多目标检测前跟踪算法(Particle filter based multi-target track-before-detect, PF-MTBD)、基于概率假设密度的检测前跟踪算法(Probability hypothesis density based track-before-detect, PHD-TBD)和基于伯努利滤波的检测前跟踪算法(Bernoulli based track-before-detect, Bernoulli-TBD)相比, CRPFB-MTBD的目标状态序列和数量估计结果最佳,且平均单次运行时间极短.
卢锦;马令坤;吕春玲;章为川;Sun Chang-Ming;
陕西科技大学电子信息与人工智能学院,西安710021施耐德(西安)创新技术有限公司,西安710121格里菲斯大学集成与智能系统研究所,澳大利亚布里斯班4111联邦科学与工业研究组织Data61中心,澳大利亚悉尼1710
计算机与自动化
多目标跟踪检测前跟踪粒子滤波代价参考粒子滤波器组滤波器组
《自动化学报》 2024 (004)
P.851-861 / 11
国家自然科学基金(61801281)资助。
评论