基于Meanshift聚类Bhattacharya观测似然度修正的联合概率数据关联改进算法

doi:10.11772/j.issn.1001-9081.2014.05.1279

计算机应用 ›› 2014, Vol. 34 ›› Issue (5): 1279-1282.DOI: 10.11772/j.issn.1001-9081.2014.05.1279

基于Meanshift聚类Bhattacharya观测似然度修正的联合概率数据关联改进算法

田隽,厉丹,肖理庆

徐州工程学院江苏省大型工程装备检测与控制重点建设实验室，江苏徐州 221000

收稿日期:2013-10-12 修回日期:2013-12-25 出版日期:2014-05-01 发布日期:2014-05-30
通讯作者: 田隽
作者简介:田隽(1981-)，女，重庆渝中人，副教授，博士，主要研究方向：非线性滤波技术、基于粒子滤波的视频跟踪技术；厉丹(1981-)，女，江苏徐州人，讲师，博士，主要研究方向：视频目标检测与跟踪；肖理庆（1981-），男，山东青岛人，讲师，主要研究方向：智能算法、智能控制。
基金资助:
江苏省高校自然科学研究项目;徐州市科技项目

Improved joint probabilistic data association algorithm based on Meanshift clustering and Bhattacharya likelihood modification

TIAN Jun,LI Dan,XIAO Liqing

Jiangsu Key Laboratory of Large Engineering Equipment Detection and Control, Xuzhou Institute of Technology, Xuzhou Jiangsu 221000, China

Received:2013-10-12 Revised:2013-12-25 Online:2014-05-01 Published:2014-05-30
Contact: TIAN Jun

摘要/Abstract

摘要：

为降低多目标航迹聚集时联合概率数据关联（JPDA）联合关联事件的计算复杂度，提出一种基于Meanshift聚类〖CD*2〗Bhattacharya（Bhy）观测似然度修正的JPDA改进算法。利用Meanshift得到聚类中心，据聚类中心与目标预测量测马氏距离形成跟踪门；提出Bhy似然度矩阵，将Meanshift聚类中心与各量测Bhy距离所表征的观测似然度作为确认矩阵小概率事件划分依据，消除确认矩阵中小概率事件对联合关联事件计算复杂度的影响。实验结果表明：多目标航迹聚集时，该算法在减少计算复杂度同时保持了较高关联精度，跟踪性能明显优于经典JPDA。

Abstract:

To reduce the calculation complexity of the Joint Probabilistic Data Association (JPDA) joint-association events, due to multiple targets' tracks aggregation, an improved JPDA algorithm, clustering by Meanshift algorithm and optimizing confirmation matrix by Bhattacharya coefficients,was proposed.The clustering center was created by Meanshift algorithm. Then the tracking gate was obtained by calculating Mahalanobis distance between the clustering center and targets' prediction observation. The Bhattacharya likelihood matrix which was as a basis for low probability events was created, consequently the computing complexity of JPDA joint-association events which was related to low probability events was reduced. The experimental results show that the new method is superior to the conventional JPDA both in computational complexity and precision of estimation for multiple targets' tracks aggregation.

中图分类号:

TP391

田隽厉丹肖理庆. 基于Meanshift聚类Bhattacharya观测似然度修正的联合概率数据关联改进算法[J]. 计算机应用, 2014, 34(5): 1279-1282.

TIAN Jun LI Dan XIAO Liqing. Improved joint probabilistic data association algorithm based on Meanshift clustering and Bhattacharya likelihood modification[J]. Journal of Computer Applications, 2014, 34(5): 1279-1282.

参考文献

［1］BAR-SHALOM Y, LI X R. Multitarget-multisensor tracking: principles and techniques ［M］. Storrs, CT: YBS Publishing, 1995.
［2］SUN J, CHEN W, TANG L, et al. Face detection in the low-luminous-density and low-resolution images within limited room ［J］. Journal of China University of Mining and Technology, 2008,37(3):373-377.（孙继平，陈伟，唐亮，等.有限空间低照度低分辨率图像中人脸检测［J］.中国矿业大学学报，2008,37(3):373-377.）
［3］TIAN J. Research on visual targets tracking algorithm based on particle filter ［D］. Xuzhou: China University of Mining and Technology, 2010.（田隽.基于粒子滤波的视频目标跟踪算法的研究［D］.徐州：中国矿业大学，2010.）
［4］OUSSALAH M, de SCHUTTER J. Hybrid fuzzy probabilistic data association filter and joint probabilistic data association filter ［J］. Information Sciences, 2002,142(1/2/3/4):195-226.
［5］AOKI E H, KIENITZ K H. Suboptimal JPDA for tracking in the presence of clutter and missed detections ［C］// Proceedings of the 2009 12th International Conference on Information Fusion. Piscataway: IEEE Press, 2009:818-825.
［6］VERMAAK J, GODSILL S J, PEREZ P. Monte Carlo filtering for multi target tracking and data association ［J］. IEEE Transactions on Aerospace and Electronic Systems, 2005,41(1):309-332.
［7］HAN H, ZHI J, JIAO L, et al. Data association for multiple targets based on meanshift in clutter ［J］. Journal of System Simulation, 2009,21(11):3351-3355.（韩红，智建纬，焦李成，等.杂波环境下基于meanshift的多目标数据关联［J］.系统仿真学报,2009,21(11):3351-3355.）
［8］CLARK D,VO B T,VO B N. Gaussian particle implementations of probability hypothesis density filters ［C］// Proceedings of the 2007 IEEE Aerospace Conference. Piscataway: IEEE Press, 2007:1-11.
［9］VO B N, MA W K. The Gaussian mixture probability hypothesis density filter ［J］. IEEE Transactions on Signal Processing, 2006,54(11):4091-4104.
［10］ZHANG J, JI H. Gaussian mixture particle probability hypothesis density based passive bearing-only multi-target tracking ［J］. Control and Decision, 2011,26(3):413-417.（张俊根，姬红兵.高斯混合粒子PHD滤波被动测角多目标跟踪［J］.控制与决策，2011,26(3):413-417.）
［11］COMANICIU D, MEER P. Mean shift analysis and applications ［C］// ICCV '99: Proceedings of the Seventh IEEE International Conference on Computer Vision. Washington, DC: IEEE Computer Society, 1999,2:1197-1203.
［12］COMANICIU D, MEER P. Mean shift: a robust approach toward feature space analysis ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002,24(5):603-619.

[1]	章悦, 张亮, 谢非, 杨嘉乐, 张瑞, 刘益剑. 基于实例分割模型优化的道路抛洒物检测算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3228-3233.
[2]	李凯, 李洁. 基于pinball损失的结构模糊多分类支持向量机算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3104-3112.
[3]	胡誉生, 何炳蔚, 邓清康. 混合视觉系统的运动物体检测和静态地图重建[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3332-3336.
[4]	高洁, 朱元, 陆科. 基于雷达和相机融合的目标检测方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3242-3250.
[5]	彭博, 罗娅茹, 谢盛华, 尹立雪. 联合深度学习的通用血流向量成像方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3368-3375.
[6]	陈吉成, 陈鸿昶. 基于张量建模和进化K均值聚类的社区检测方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3120-3126.
[7]	张嘉琪, 张月琴, 陈健. 优化强化学习路径特征分类的脉象识别法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3402-3408.
[8]	任俊伟, 曾诚, 肖丝雨, 乔金霞, 何鹏. 基于会话的多粒度图神经网络推荐模型[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3164-3170.
[9]	孙琳, 袁玉波. 基于人眼状态的瞌睡识别算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3213-3218.
[10]	葛晨宇, 董良, 许伊昆, 常毅, 张宏鸣. 基于总变分低秩组稀疏的全球雷达数据修复算法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3353-3361.
[11]	闫钧华, 侯平, 张寅, 吕向阳, 马越, 王高飞. 基于多尺度多分类器卷积神经网络的混合失真类型判定方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3178-3184.
[12]	李福海, 蒋慕蓉, 杨磊, 谌俊毅. 基于生成对抗网络的梯度引导太阳斑点图像去模糊方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3345-3352.
[13]	曹建芳, 闫敏敏, 贾一鸣, 田晓东. 融合迁移学习的Inception-v3模型在古壁画朝代识别中的应用[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3219-3227.
[14]	刘太亨, 何昭水. 基于自编码和知识蒸馏的表面缺陷检测方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3200-3205.
[15]	张阳, 王小宁. 基于Word2Vec词嵌入和高维生物基因选择遗传算法的文本特征选择方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3151-3155.

基于Meanshift聚类Bhattacharya观测似然度修正的联合概率数据关联改进算法

Improved joint probabilistic data association algorithm based on Meanshift clustering and Bhattacharya likelihood modification

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics