茍丹 王二秀
摘 要 對于多目標跟蹤應用而言,假設物體的運動是相互獨立的。因此,在閉塞期間將對象之間的依賴關系集成在一起可以提高系統的性能。在有限集統計中,可以對依賴關系進行建模,并將它們集成到貝葉斯過濾器中。在此基礎上,采用基于有限集統計的序貫蒙特卡羅多目標 Bayes 濾波器進行行人跟蹤。
關鍵詞 追蹤 隨機有限集 濾波器
0引言
粒子濾波器能代表所有類型的分布,因此被用來跟蹤遮擋對象。本文中,使用序貫蒙特卡羅近似的多目標貝葉斯濾波器適用于行人跟蹤的遮擋情況。也提出了一種基于圖表的多目標似然函數的計算方法。還介紹了一種基于網格映射的狀態相關檢測概率估計方法, 并將其集成到濾波器中。由于多目標貝葉斯濾波器允許建模對象之間的依賴關系,因此開發一個防碰撞功能來檢查預測步驟的有效性。
1 多目標貝葉斯跟蹤
跟蹤濾波器由一個預測器和一個校正步驟組成。
3檢測概率
使用占用網格映射方法來計算狀態相關的檢測概率。對于每一個新的測量,必須執行兩個步驟:建立測量網格和更新占用網格。
測量網格基本上將網格圖劃分為三區域:自由、被占領和隱藏的細胞。為了確定檢測概率,必須將兩個測量網格的信息相結合。因此,二進制檢測圖表示如下:
4結語
在這篇文章中,使用隨機有限集的多目標粒子濾波器進行行人跟蹤。為了簡化計算,開發了基于圖的計算方法。此外,引入了基于網格圖來計算依賴于狀態的檢測概率的方法。未來,我們計劃通過應用社會力量模型的其他部分來整合行人與環境之間的更多互動。
參考文獻
[1] Mahler, R. P. Statistical Multisource-Multitarget Information Fusion[J].Artech House Inc., Norwood, 2007.
[2] Musicki,D. &R.; Evans.Joint integrated probabilistic data association:Jipda[J].IEEE Transactions on Aerospace and Electronic Systems, 2004,40(03):1093 – 1099.
[3] Thrun, S. &W.; Burgard&D.; Fox.Probabilistic Robotics[M].The MIT Press, 2005.