留言板

 引用本文: 黄志蓓, 孙树岩, 吴健康. 多元假设检验GMPHD轨迹跟踪[J]. 电子与信息学报, 2010, 32(6): 1289-1294.
Huang Zhi-bei, Sun Shu-yan, Wu Jian-kang. Multiple Hypotheses Detection with Gaussian Mixture Probability Hypothesis Density Filter for Multi-target Trajectory Tracking[J]. Journal of Electronics and Information Technology, 2010, 32(6): 1289-1294. doi: 10.3724/SP.J.1146.2008.01387
 Citation: Huang Zhi-bei, Sun Shu-yan, Wu Jian-kang. Multiple Hypotheses Detection with Gaussian Mixture Probability Hypothesis Density Filter for Multi-target Trajectory Tracking[J]. Journal of Electronics and Information Technology, 2010, 32(6): 1289-1294.

Multiple Hypotheses Detection with Gaussian Mixture Probability Hypothesis Density Filter for Multi-target Trajectory Tracking

• 摘要: 由于在军事和民事领域逐步广泛的应用，数目不定的多目标跟踪技术正受到越来越多的关注。概率假设密度(PHD)滤波方法，特别是具有闭式递归的高斯混合概率假设密度(GMPHD)技术，在噪声和漏警等影响下仍能形成优越的群目标跟踪性能。然而PHD滤波器并不能实现多目标航迹跟踪，而其与传统数据互联的结合，复杂度高且跟踪效果不尽如人意。在该文中，各目标的航迹信息以假设形式表述，数据互联则是通过使用经典的多元假设检测方法判决假设矩阵实现。其与GMPHD的结合不仅实现了数据互联和轨迹管理，还因为积累时间信息大大降低了杂波干扰的影响。实验结果证明，该算法可以对多个目标所形成的轨迹实施正确跟踪，同时，计算量的大幅度降低带来了跟踪系统可实现性的提高。
•  [1] Bar-Shalom Y. Dimensionless score function for multiple hypothesis tracking[J]. IEEE Transactions on Aerospace and Electronic Systems, 2007 43(1): 392-400.[2]Blackman S. Multiple hypothesis tracking for multiple target tracking[J].IEEE Aerospace and Electronic Systems.2004, 19(1):5-18[3]Fortunato E.[J].Kreamer W, and Mori S, et al.. Generalized Murtys algorithm with application to multiple hypothesis tracking[C]. Information Fusion.2007,:10-[4]Hall David L and Llinas James. Handbook of Multisensor Data Fusion[M]. FL: CRC Press, 2001: 211-241.[5]Fortmann T E, Bar-Shalom Y, and Scheffe M. Sonar tracking of multiple targets using joint probabilistic data association[J].IEEE Journal of Oceanic Engineering.1983, 8(7):173-184[6]Mahler R P S. Statistical Multisource-Multitarget Information Fusion[M]. Norwood, MA, Artech House, 2007: 343-394.[7]Mahler R P S. An introduction to multisource-multitarget statistics and its applications. Technical Monograph, Lockheed Martin, Eagan MN, 2000.[8]Mahler R P S. Multitarget Bayes filtering via first-order multitarget moments[J].IEEE Transaction on Aerospace and Electronic Systems.2003, 39(4):1152-1178[9]Mahler R P S. PHD filter of higher order in target number[J]. IEEE Transactions on Aerospace and Electronic Systems, 2007, 43(4): 1523-1543.[10]Sidenbladh H. Multi-target particle filtering for the probability hypothesis density[C]. Proc. International Conference on Information Fusion, Cairns, Australia, 2003: 800-806.[11]Vo B N, Singh S, and Doucet A. Sequential Monte Carlo methods for multi-target filtering with random finite sets[J].IEEE Transactions on Aerospace and Electronic Systems.2005, 41(4):1224-1245[12]Vo B N and Ma W K. The Gaussian mixture probability hypothesis density filter[J].IEEE Transactions on Signal Processing.2006, 54(11):4091-4104[13]Vo B T, Vo B, and Cantoni A. Analytic implementations of the Cardinalized Probability Hypothesis Density Filter[J].IEEE Transactions on Signal Processing.2007, 55(7):3553-3567[14]Lin L, Bar-Shalom Y, and Kirubarajan T. Track labeling and PHD filter for multitarget tracking[J].IEEE Transactions on Aerospace and Electronic Systems.2006, 42(3):778-795[15]Panta K, Vo B N, and Singh S. Novel data association schemes for probability hypothesis density filter[J].IEEE Transactions on Aerospace and Electronic Systems.2007, 43(2):556-570[16]Hoffman J and Mahler R. Multi-target miss distance via optimal assignment[J].IEEE Transactions on Systems, Man, and Cyberneticas-PartA.2004, 34(3):327-336
•  [1] 杨丹, 姬红兵, 张永权.  未知杂波条件下样本集校正的势估计概率假设密度滤波算法, 电子与信息学报. doi: 10.11999/JEIT170666 [2] 李文娟, 吕靖, 顾红, 苏卫民, 马超, 杨建超.  一种改进的高斯逆威沙特概率假设密度扩展目标跟踪算法, 电子与信息学报. doi: 10.11999/JEIT170883 [3] 徐静云, 赵晓群, 王峤, 王缔罡.  基于幅度压缩滤波的清浊音分类及基音估计, 电子与信息学报. doi: 10.11999/JEIT150778 [4] 李少东, 陈文峰, 杨军, 马晓岩.  多量测向量模型下基于贝叶斯检验的快速OMP算法研究, 电子与信息学报. doi: 10.11999/JEIT151131 [5] 彭磊, 李光耀, 肖莽, 王刚, 谢力.  基于邻域结构和高斯混合模型的非刚性点集配准算法, 电子与信息学报. doi: 10.11999/JEIT150501 [6] 严小军, 徐景, 朱元萍, 杨旸, 王江.  基于高斯混合模型的下行小区间干扰分布, 电子与信息学报. doi: 10.11999/JEIT151459 [7] 李文娟, 顾红, 苏卫民.  基于多伯努利概率假设密度的扩展目标跟踪方法, 电子与信息学报. doi: 10.11999/JEIT160372 [8] 徐从安, 何友, 夏沭涛, 程俊图, 董云龙.  基于随机摄动再采样的粒子概率假设密度滤波器, 电子与信息学报. doi: 10.11999/JEIT160114 [9] 秦红星, 孙颖.  基于贝叶斯模型的骨架裁剪方法, 电子与信息学报. doi: 10.11999/JEIT150003 [10] 胡子军, 张林让, 张鹏, 王纯.  基于高斯混合带势概率假设密度滤波器的未知杂波下多机动目标跟踪算法, 电子与信息学报. doi: 10.11999/JEIT140218 [11] 吴卫华, 江晶, 冯讯, 刘重阳.  基于高斯混合势化概率假设密度的脉冲多普勒雷达多目标跟踪算法, 电子与信息学报. doi: 10.11999/JEIT141232 [12] 占荣辉, 刘盛启, 欧建平, 张军.  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, 电子与信息学报. doi: 10.3724/SP.J.1146.2013.02029 [13] 韩伟, 汤子跃, 朱振波.  一种多普勒盲区条件下的多假设运动模型目标跟踪方法, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.00444 [14] 夏双志, 戴奉周, 刘宏伟.  复高斯白噪声背景下贝叶斯检测前跟踪的检测阈值设置方法, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.00844 [15] 谭顺成, 王国宏, 王娜, 何友.  基于概率假设密度滤波和数据关联的脉冲多普勒雷达多目标跟踪算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2013.00106 [16] 杨可, 傅忠谦, 王剑亭, 林日钊.  多目标滤波中的多传感器概率假设密度算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.00941 [17] 甘伟, 许录平, 苏哲, 张华.  基于贝叶斯假设检验的压缩感知重构, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.00151 [18] 张俊根, 姬红兵, 蔡绍晓.  基于高斯粒子JPDA滤波的多目标跟踪算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2009.01549 [19] 唐续, 魏平, 陈欣.  PHD粒子滤波中目标状态提取方法研究, 电子与信息学报. doi: 10.3724/SP.J.1146.2009.01580 [20] 吴波, 刘嘉, 王宏琦, 吴一戎.  一种高分辨率遥感图像目标自动提取方法, 电子与信息学报. doi: 10.3724/SP.J.1146.2007.00707
• 点击查看大图
计量
• 文章访问数:  2861
• HTML全文浏览量:  16
• PDF下载量:  1006
• 被引次数: 0
出版历程
• 收稿日期:  2008-10-27
• 修回日期:  2010-04-22
• 刊出日期:  2010-06-19

目录

/

• 分享
• 用微信扫码二维码

分享至好友和朋友圈

官方微信，欢迎关注