基于序贯蒙特卡罗概率假设密度滤波的多目标检测前跟踪改进算法
实现目标数目未知且可变条件下的多目标检测与跟踪是个极具挑战性的问题,在信噪比较低的情况下更是如此。针对这一问题,该文提出一种基于点扩散模型的多目标检测前跟踪改进算法。该算法在序贯蒙特卡罗概率假设密度(SMC-PHD)滤波框架下实现,通过自适应粒子产生机制完成新生目标在像平面中的初始定位,并根据目标在图像中可能出现的位置对全体粒子集进行有效子集分割和快速权值估算,最后利用动态聚类方法完成多目标状态的准确提取。仿真结果表明,该方法有效改善了多目标检测前跟踪的估计性能,并大大提高了算法执行效率。
多目标检测前跟踪、概率假设密度滤波器、自适应粒子采样、动态聚类、序贯蒙特卡罗
TP391(计算技术、计算机技术)
国家自然科学基金61002022资助课题
2014-12-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
2593-2599