基于时间Dirichlet过程混合模型的在线目标跟踪

• 作者: 孙建中 张玉芳 熊忠阳
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 目标跟踪 在线多示例Boosting算法 时间Dirichlet过程混合模型 非参贝叶斯模型
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 仿真建模与仿真算法及数值仿真
• 页码范围: 1155-1160
• 分类号: TP391
• 语种: 中文

摘要

针对目标跟踪过程中,可变目标表观的特征数据会发生“分布漂移”的问题,提出一种基于非参贝叶斯多模表观模型的目标跟踪方法.首先,以时间Dirichlet过程为先验分布,把先前估计的目标样本划分为不同的聚集,使得每个聚集表示一类表观,同时,每个表现类被建模为判别式分类器;然后,基于贝叶斯后验推断,权衡先前表观模型的分类误差和拆分聚集的代价,从数据中自主学习表现模型；最后,基于Noisy-OR模型,以贪心(Greedy)策略协同各表观分类器判别出目标.仿真结果表明该方法能较好的跟踪可变目标表观,改善了目标跟踪性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊忠阳	重庆大学计算机学院	135	2447	25.0	44.0
2	张玉芳	重庆大学计算机学院	125	2737	26.0	48.0
3	孙建中	重庆大学计算机学院	6	13	2.0	3.0