国家自然科学基金(61301289)
- 作品数：12 被引量：67H指数：6
- 相关作者：李翠芸姬红兵宋骊平李宁林锦鹏更多>>
- 相关机构：西安电子科技大学中国人民解放军95980部队商洛学院更多>>
- 发文基金：国家自然科学基金国家留学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 基于箱粒子PHD滤波的多目标视频跟踪方法被引量：3
- 2018年
- 针对粒子滤波运算量大的问题,提出一种基于箱粒子概率假设密度(Box-PHD)滤波的多目标视频跟踪方法.首先给出一种快速运动目标检测算法,通过阈值自动选取的帧差分法得到目标质心并作为量测,然后经箱粒子PHD滤波预测更新后,及时修正检测偏差实现多目标的跟踪和目标数目的估计;最后为所提算法设计了航迹识别步骤,通过颜色特征与纹理特征作为相似性度量,从而实现航迹识别,弥补了PHD滤波无法区分目标的不足.利用目标的特征区分出每个目标的航迹,同时进一步剔除了目标状态集中的杂波,保证了跟踪精度.箱粒子PHD滤波器不仅可以解决量测不确定性的问题,同时可以降低复杂度,减小运算量.实验表明,文中算法可以实现目标新生、消失、合并和分裂等复杂情况下的多目标视频跟踪,并实时区分不同目标的航迹,在保证跟踪效果的同时提高了实时性.
- 程慧宋骊平李翠芸
- 关键词：概率假设密度多目标跟踪
- 一种基于椭圆RHM的扩展目标Gamma高斯混合CPHD滤波器被引量：8
- 2015年
- 针对杂波环境下扩展目标形状难以估计、目标跟踪精度低等问题,提出一种自适应估计扩展目标形状的伽玛高斯混合势概率假设密度算法(GGM-CPHD).该算法将目标的扩展形状建模为椭圆随机超曲面模型,并将其嵌入到GGM-CPHD滤波器中,更新扩展目标的质心、椭圆形状和方向等信息以完成对扩展目标的跟踪.通过杂波环境下未知数目的扩展目标仿真实验,表明了所提出算法在质心状态和椭圆长短轴的估计精度方面要优于传统的基于随机矩阵的伽玛高斯逆韦氏CPHD滤波器.
- 李翠芸林锦鹏姬红兵
- 关键词：多目标跟踪高斯混合
- 自适应目标新生δ广义标签多伯努利滤波算法被引量：6
- 2019年
- 针对传统广义标签多伯努利滤波算法因需已知新生目标状态分布信息而导致在实际场景中估计精度下降的问题,提出一种新的自适应目标新生δ广义标签多伯努利算法。该算法以广义标签多伯努利滤波器为基础,利用上一时刻接收到的量测信息反推当前时刻新生目标的存活概率和状态信息,并给出其标签伯努利随机集的参数表示。仿真结果表明,所提算法对于未知新生目标先验信息的复杂运动场景具有较强的多目标跟踪鲁棒性,且跟踪精度以及时间耗费均优于传统广义标签多伯努利滤波器。
- 李翠芸陈东伟石仁政
- 关键词：多目标跟踪随机有限集
- 基于星凸随机超曲面的扩展目标伽马高斯混合势概率假设密度滤波器被引量：4
- 2019年
- 针对杂波和检测不确定情况下扩展目标形状估计精度低的问题,提出了一种基于星凸随机超曲面模型(SRHM)的扩展目标伽马高斯混合势概率假设密度(CPHD)滤波器.该算法在高斯混合概率假设密度滤波的框架下,首先将目标形状建模为星凸随机超曲面,然后通过CPHD滤波估计出目标的质心位置和目标数目,最后通过将已估计的目标质心位置作为目标形状的中心点来结合量测对目标形状进行估计.其中,算法通过自适应估计尺度变换因子对形状边界进行约束优化,解决了星凸随机超曲面模型存在的边界形状不规则的问题.设计扩展目标个数未知以及含有杂波的实验场景,实验结果验证了该算法的有效性和可行性.
- 李翠芸王精毅姬红兵刘远
- 高斯过程回归下的多机动扩展目标跟踪被引量：4
- 2017年
- 针对现有多机动扩展目标跟踪算法中形状估计复杂,在考虑杂波的情况下目标跟踪精度不高等问题,提出了一种高斯过程回归下的多机动扩展目标跟踪算法.该算法采用星凸模型对目标进行建模,在单机动扩展目标跟踪算法的基础上引入多目标跟踪算法中的权值参数以实现对多目标的处理,同时利用高斯过程回归对目标形状进行估计.实验仿真表明,所提算法能够对同一场景下多个不同形状的机动扩展目标进行有效跟踪,并且在计算速度、估计精度等方面要优于传统非椭圆机动扩展目标跟踪算法.
- 李翠芸王精毅姬红兵
- 模型参数未知时的CPHD多目标跟踪方法被引量：5
- 2017年
- 针对现有的多目标跟踪方法中,检测概率和量测噪声协方差等模型参数未知时目标跟踪性能下降的问题,提出了一种联合估计检测概率和量测噪声协方差的势概率假设密度目标跟踪方法.首先对多参数未知的多目标跟踪问题进行建模,将检测概率看作是某个分布中的变量,继而通过估计该分布的均值来作为检测概率,再利用变分贝叶斯方法对量测噪声协方差进行估计,最后给出了算法的高斯实现.仿真结果表明,所提算法在检测概率和量测噪声协方差联合未知环境下具有较好的目标跟踪性能.
- 李翠芸王精毅姬红兵王荣
- 关键词：多目标跟踪
- 箱粒子PHD演化网络群目标跟踪算法被引量：8
- 2018年
- 群演化网络模型对群结构的构建和实时更新提供了良好的实现方式.针对粒子概率假设密度(SMCPHD)滤波算法存在运算量大的问题,提出一种基于箱粒子概率假设密度(BP-PHD)滤波的演化网络群目标跟踪算法.将群演化网络模型得到的群结构信息反馈回BP-PHD滤波过程中,从而实现群目标的跟踪和群数目的估计.对比实验表明,所提出算法可以在保证跟踪效果的同时减少计算量,并且在杂波密集的条件下具有更好的跟踪精度和鲁棒性.
- 宋骊平刘宇航程轩
- 关键词：概率假设密度
- 基于偏微分方程的快速二维经验模态分解方法及其应用被引量：5
- 2014年
- 针对现有的二维经验模态分解(BEMD)方法存在边界效应、分解速度慢等缺点,提出一种基于偏微分方程(PDE)的快速二维经验模态分解方法——PDE-BEMD.首先构造极值点所在二维包络曲面所满足的四阶偏微分方程,通过差分迭代方法快速求解偏微分方程,得到图像的上下包络曲面;然后对图像进行筛分,得到固有模态函数图像(IMFs),实现图像的模态分解.将分解得到的图像应用于边缘检测和人脸识别预处理算法中的实验结果表明,PDE-BEMD方法不仅可有效地降低时间和空间的复杂度、提高运算速度,而且避免了BEMD的边界效应,分解出具有清晰边缘信息的IMFs,且剩余图像不会被模糊,具有良好的边缘提取与去噪效果.
- 李翠芸曹潇男姬红兵邹其兵
- 关键词：二维经验模态分解偏微分方程边缘检测
- 基于标签随机集的扩展目标跟踪算法研究
- 随机集为目标跟踪提供了简单明了的贝叶斯递推形式，避免了传统方法因数据关联而复杂度高的缺点。其中以标签随机集为基础的广义标签多伯努利(GLMB)滤波器真正实现了对目标航迹的区分。由于传感器精度的提升，目标形状不可忽略，传统...
- 石仁政
- 关键词：参数估计随机矩阵
- 高斯过程回归的CPHD扩展目标跟踪被引量：6
- 2017年
- 针对现有扩展目标跟踪算法中,形状估计复杂,在考虑漏检及杂波情况下目标跟踪精度不高等问题,提出了一种基于高斯过程回归的伽玛高斯混合势概率假设密度扩展目标跟踪算法.该算法采用星凸模型对目标进行建模,在伽玛高斯混合势概率假设密度滤波器对扩展目标运动状态估计良好的基础上,利用高斯过程回归对目标形状进行估计,实现了对扩展目标的有效跟踪.实验仿真表明,所提算法能够对目标的运动状态进行高效跟踪,且在扩展形状的估计精度、计算速度等方面要优于基于星凸随机超曲面的伽玛高斯混合势概率假设密度滤波器.
- 李翠芸王精毅姬红兵
