基于RBPF和数据关联的多目标跟踪

• 作者: 吴炜 杨晓敏 杨毅 王正勇 陈默
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 卡尔曼滤波 序列重要性重采样 Rao-Blackwellized粒子滤波 多假设跟踪 最优重要性分布
• 年，卷（期）: 2010,（6）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 186-188
• 页数: 3页
• 分类号: TP391
• 字数: 2311字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2010.06.063

摘要

粒子滤波用一组带有权值的随机采样点近似后验概率密度函数,实现对任意状态模型的精确估计.把Rao-Blackwetlized粒子滤波与多假设跟踪算法相结合,将多目标跟踪问题分为2个部分,即数据关联中后验概率分布的估计和基于数据关联的单个目标跟踪估计.前者通过序列重要性重采样实现,后者使用卡尔曼滤波进行最小均方误差估计.实验结果表明,采用最优重要性分布可以减少计算所需粒子数和计算量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王正勇	四川大学电子信息学院图像信息研究所	126	539	12.0	17.0
2	吴炜	四川大学电子信息学院图像信息研究所	82	916	17.0	25.0
3	杨晓敏	四川大学电子信息学院图像信息研究所	77	789	17.0	24.0
4	陈默	四川大学电子信息学院图像信息研究所	36	362	11.0	18.0
5	杨毅	四川大学电子信息学院图像信息研究所	121	269	7.0	9.0