一篇文章引起的系列学术探讨 多目标跟踪方法及研究进展:下 报告人:李良群 2006.4.26
“一篇文章引起的系列学术探讨” 多目标跟踪方法及研究进展:下 报告人：李良群 2006.4.26
目录 最新研究进展 MTT方法分类 结论及发展方向
目录 最新研究进展 MTT方法分类 结论及发展方向
最新研究进展 令对传统方法的改进及应用一直是多目标跟踪技术研 究的一个重要方面,如关于经典方法 JPDAF、MIT S-维分配算法的改进和应用的文献并不少见。 令随机集理论/有限集统计量( FISST) 无极卡尔曼滤波(UKF) 粒子滤波(PF)
最新研究进展 对传统方法的改进及应用一直是多目标跟踪技术研 究的一个重要方面，如关于经典方法JPDAF、MHT、 S-维分配算法的改进和应用的文献并不少见。 随机集理论/有限集统计量（FISST） 无极卡尔曼滤波（UKF） 粒子滤波（PF）
粒子滤波 令粒子滤波技术是一种基于 Bayes原理用粒子概率密度 表示的序贯 Monte- Carlo模拟方法,其基本思想就是 通过寻找一组在状态空间中传播的随机样本对后验 概率分布进行近似,以样本均值代替积分运算,从 而获得状态的最小方差估计过程 是一种递归的 Monte-Car1o仿真方法
粒子滤波 粒子滤波技术是一种基于Bayes原理用粒子概率密度 表示的序贯Monte-Carlo模拟方法，其基本思想就是 通过寻找一组在状态空间中传播的随机样本对后验 概率分布进行近似，以样本均值代替积分运算，从 而获得状态的最小方差估计过程。 是一种递归的Monte-Carlo仿真方法
粒子滤波 考虑一个非线性离散系统 f(XK-ISVk-1) ek=he(k,ek) 贝叶斯估计就是在观测数据序列=(=,=…=)基础 上,递推估计系统状态的后验概率分布p(x|=),即 滤波概率分布。 状态预测:p(x1)=p(x1x)p(x1-) 滤波更新: P(EKIxKP(x |Eik-1) P(2k|21
粒子滤波 考虑一个非线性离散系统 贝叶斯估计就是在观测数据序列 的基础 上，递推估计系统状态的后验概率分布 ，即 滤波概率分布。 状态预测： 滤波更新： x f k k = ( x v k− − 1 1 , k ) z h k k = ( xk ,ek ) ： z z 1:k k : , = ( 1 z2 ,L,z ) p( x z k k | 1: ) ( 1: 1 ) ( 1 ) ( 1 1: 1 ) 1 | | | k k k k k k k p x z p x x p x z dx − = ∫ − − − − ( ) ( ) ( ) ( ) 1: 1 1: 1: 1 | | | | k k k k k k k k p z x p x z p x z p z z − − =
基于重要性密度函数的粒子滤波 令由于直接从滤波概率分布抽取样本的困难性以及满足在线估 计的要求,基于重要性采样函数的粒子滤波器得到了广泛的 应用,这种粒子滤波避开了直接从滤波分布抽样的困难性, 而采用易抽样的重要性密度函数来得到一组带权子样,并用 这一组带权子样来近似滤波分布的样本。 Doucet已经证明,概率分布函数pxx-)是最优重要性密度 函数,它能使重要性权值的方差最小,且该重要性密度函数 考虑了状态空间和最新观测信息的影响,能更好的逼近后验 概率分布
基于重要性密度函数的粒子滤波 由于直接从滤波概率分布抽取样本的困难性以及满足在线估 计的要求，基于重要性采样函数的粒子滤波器得到了广泛的 应用，这种粒子滤波避开了直接从滤波分布抽样的困难性， 而采用易抽样的重要性密度函数来得到一组带权子样，并用 这一组带权子样来近似滤波分布的样本。 Doucet已经证明，概率分布函数 是最优重要性密度 函数，它能使重要性权值的方差最小，且该重要性密度函数 考虑了状态空间和最新观测信息的影响，能更好的逼近后验 概率分布。 ( ) 0: 1 1: | , k k k p x x z −
重要性密度函数 上面的重要性密度函数存在两个主要缺点:一是从得到采样样 本比较困难,二是计算过程中涉及积分运算,计算复杂度高。 目前,通常选取状态转移函数P(xlx1)作为重要性密度函数, 由于该函数未利用当前观测信息,采样样本与真实的后验概率 分布偏差较大,滤波精度不高 粒子权值的计算: k Iwk-1 q(xk|x12=)
重要性密度函数 上面的重要性密度函数存在两个主要缺点：一是从得到采样样 本比较困难，二是计算过程中涉及积分运算，计算复杂度高。 目前，通常选取状态转移函数 作为重要性密度函数， 由于该函数未利用当前观测信息，采样样本与真实的后验概率 分布偏差较大，滤波精度不高。 粒子权值的计算： ( ) 0: 1 | k t p x x − 1 1 1 ( | ) ( | ) ( | , ) i i i i i k k k k k k i i k k k p z x p x x w w q x x z − − − ∝
标准粒子滤波 (1)初始化k=0 ori=0,,N,从先验概率密度p(x)中随机抽取采样点x0 (2)fork=1,2 for i=1: N 抽取采样点x4-q(x1x41,x2),通过式(6)计算粒子的权系数1 end for for i=1: N 归化权值:m4=/∑=x end for 进行重采样
重采样 Pards Atr Rssamplhg A:, Parcae Aiar Rasamplhg ,w}=, Parica from atap F-1 http://www-sigproc.eng.camac.uk/smc/
重采样 http://www-sigproc.eng.cam.ac.uk/smc/
随机集理论/限集统计量(FSST) 对 FISST的应用, Mahler作了许多令人尊敬的工作, 他提出的一种新的差分和积分微积分方法构成了这 类问题的基础。 令在 FISST中,随机变量是一个随机集,可以给定值; 传统的概率质量函数用信任质量函数取代,积分用 定积分取代。 优点:需要的先验知识少,目标数可以未知。 缺点:实时性差,不能用于实际
随机集理论/有限集统计量（FISST） 对FISST的应用，Mahler作了许多令人尊敬的工作， 他提出的一种新的差分和积分微积分方法构成了这 类问题的基础。 在FISST中，随机变量是一个随机集，可以给定值； 传统的概率质量函数用信任质量函数取代，积分用 定积分取代。 优点：需要的先验知识少，目标数可以未知。 缺点：实时性差，不能用于实际