基于权重约束GM-PHD滤波的多目标跟踪方法

摘要：

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.

关键词：多目标跟踪、一对一假设、高斯混合概率假设密度滤波器、权重约束、归一化

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

在线出版日期：2017-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：282-288