公共文化服务平台

共 5 条记录，以下是 1-5

全选清除导出

排序方式：

一种结合交互多模型的多机动扩展目标跟踪算法被引量：4: 2018年; 为克服原始扩展目标高斯混合概率假设密度滤波算法(Extended Target Gaussian Mixture Probability Hypothesis Density,ET-GM PHD)不能解决机动目标跟踪问题,将交互多模型(Interacting M ultiple M odel,IM M)的思想引入到高斯混合概率假设密度滤波框架下,提出一种交互多模型扩展高斯混合概率假设密度滤波算法(IMM-ET-GMPHD).该算法主要融合了经典的三种运动模型,通过模型的交互实现了对多机动扩展目标的跟踪.此外,为了获取各个机动扩展目标完整航迹,提出一种高斯分量标识方法,使得提出的算法不仅能跟踪多机动扩展目标,还可以有效地估计每个机动扩展目标的航迹.仿真结果表明,本文提出的算法在对复杂环境下多机动扩展目标的跟踪上体现出良好的性能,同时能够有效地管理多机动扩展目标的航迹.; 葛建良葛洪伟王冬王冬; 关键词：交互多模型

基于核密度多伯努利视频多目标跟踪算法被引量：2: 2016年; 针对复杂环境下数目变化、目标紧邻及尺寸变化的视频多目标跟踪问题,在多伯努利滤波框架下,提出一种自适应的变数目视频多目标跟踪算法。算法通过引入核密度背景减除技术,可以有效抑制背景干扰;然后融入连续自适应均值漂移(CAMShift)技术,并提出目标紧邻和尺寸变化处理机制,可以有效提高算法的自适应性;最后引入粒子标记技术,可以有效实现对视频多目标的轨迹跟踪。对彩色视频和红外视频序列图像的测试结果表明,本文提出算法可以有效实现对复杂环境下数目变化的视频多目标自适应跟踪,且具有较好的鲁棒性。; 王冬杨金龙杨乐葛洪伟

基于Box粒子滤波的参数自适应机动目标跟踪: 2016年; 针对机动目标跟踪加速度的不确定性,引入一种新的参数自适应算法,采用粒子滤波及高斯核密度估计技术,估计目标机动参数,实现对任意机动目标的跟踪。在此基础上,考虑到粒子滤波计算代价较高的问题,进一步引入区间分析技术,采用Box粒子代替传统的粒子,以提高算法的计算效率。实验结果表明,提出的算法能够有效地跟踪任意机动目标,且运算时间明显低于传统的参数自适应算法。; 刘杨葛洪伟杨金龙王冬; 关键词：机动目标跟踪参数自适应区间分析粒子滤波

基于ET-GM-PHD的机动多扩展目标跟踪算法被引量：2: 2017年; 针对原始扩展目标高斯混合概率假设密度(Extended Target Gaussian Mixture Probability Hypothesis Density,ET-GM-PHD)滤波算法不能解决机动目标跟踪问题,在高斯混合概率假设密度(Gaussian Mixture Probability Hypothesis Density,GM-PHD)滤波框架下,引入修正的输入估计算法(Modified Input Estimation,MIE),可以有效地处理多扩展目标的机动问题。此外,提出的算法虽然可以实现对未知数目的多机动扩展目标进行跟踪,但无法获得各个目标的航迹。针对此问题,进一步引入高斯分量标记方法,有效地将多机动扩展目标的航迹进行准确关联,获取各个目标的航迹。实验结果表明,提出的算法在弱机动扩展目标跟踪中具有较好的跟踪性能,同时能够有效地估计多扩展目标的航迹。; 葛建良葛洪伟王冬杨金龙

基于近邻传播聚类的多扩展目标量测集划分算法被引量：2: 2015年; 针对杂波环境下多扩展目标量测集难以划分,且时间代价高的问题,该文引入近邻传播聚类技术,提出一种新的多扩展目标量测集划分算法。该算法先采用密度分析技术对量测集进行预处理,滤除部分杂波量测,然后引入近邻传播聚类技术,通过量测间的相互竞争,初步确定扩展目标的数目和质心位置,然后通过扩展目标PHD滤波方法估计目标数目和状态。该方法可有效避免量测集聚类过程中扩展目标质心初始化的干扰,能够准确地划分杂波环境下多扩展目标量测集。与传统的距离划分,K-means++划分方法相比,所提算法能够自适应地确定目标数目,降低时间成本,提高多扩展目标的跟踪性能。; 杨金龙刘风梅王冬葛洪伟; 关键词：目标跟踪近邻传播聚类

全选清除导出

共1页<1>

王冬