基于隨機(jī)有限集的行人跟蹤

茍丹　王二秀

摘 要 對(duì)于多目標(biāo)跟蹤應(yīng)用而言，假設(shè)物體的運(yùn)動(dòng)是相互獨(dú)立的。因此，在閉塞期間將對(duì)象之間的依賴關(guān)系集成在一起可以提高系統(tǒng)的性能。在有限集統(tǒng)計(jì)中，可以對(duì)依賴關(guān)系進(jìn)行建模，并將它們集成到貝葉斯過濾器中。在此基礎(chǔ)上，采用基于有限集統(tǒng)計(jì)的序貫蒙特卡羅多目標(biāo) Bayes 濾波器進(jìn)行行人跟蹤。

關(guān)鍵詞 追蹤 隨機(jī)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(duì)象。本文中，使用序貫蒙特卡羅近似的多目標(biāo)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(biāo)似然函數(shù)的計(jì)算方法。還介紹了一種基于網(wǎng)格映射的狀態(tài)相關(guān)檢測(cè)概率估計(jì)方法， 并將其集成到濾波器中。由于多目標(biāo)貝葉斯濾波器允許建模對(duì)象之間的依賴關(guān)系，因此開發(fā)一個(gè)防碰撞功能來檢查預(yù)測(cè)步驟的有效性。

1 多目標(biāo)貝葉斯跟蹤

跟蹤濾波器由一個(gè)預(yù)測(cè)器和一個(gè)校正步驟組成。

3檢測(cè)概率

使用占用網(wǎng)格映射方法來計(jì)算狀態(tài)相關(guān)的檢測(cè)概率。對(duì)于每一個(gè)新的測(cè)量，必須執(zhí)行兩個(gè)步驟：建立測(cè)量網(wǎng)格和更新占用網(wǎng)格。

測(cè)量網(wǎng)格基本上將網(wǎng)格圖劃分為三區(qū)域：自由、被占領(lǐng)和隱藏的細(xì)胞。為了確定檢測(cè)概率，必須將兩個(gè)測(cè)量網(wǎng)格的信息相結(jié)合。因此，二進(jìn)制檢測(cè)圖表示如下：

4結(jié)語(yǔ)

在這篇文章中，使用隨機(jī)有限集的多目標(biāo)粒子濾波器進(jìn)行行人跟蹤。為了簡(jiǎn)化計(jì)算，開發(fā)了基于圖的計(jì)算方法。此外，引入了基于網(wǎng)格圖來計(jì)算依賴于狀態(tài)的檢測(cè)概率的方法。未來，我們計(jì)劃通過應(yīng)用社會(huì)力量模型的其他部分來整合行人與環(huán)境之間的更多互動(dòng)。

參考文獻(xiàn)

[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.