版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、到目前為止,多目標(biāo)跟蹤算法可分為兩大類:基于關(guān)聯(lián)的多目標(biāo)跟蹤和基于隨機(jī)有限集(Random Finite Set, RFS)的多目標(biāo)跟蹤,前者的代表算法為聯(lián)合概率數(shù)據(jù)互聯(lián)(Joint Probability Data Association, JPDA)算法;后者將的代表算法為概率假設(shè)密度濾波器(Probability Hypothesis Density Filter, PHDF)。它們之間互有優(yōu)劣:基于關(guān)聯(lián)的算法在密集雜波及信噪比較
2、低的環(huán)境下能夠獲得較高的跟蹤精度,但其中關(guān)聯(lián)部分的計(jì)算量較大, PHD中沒有關(guān)聯(lián)部分,計(jì)算量較小,但它無法獲得連續(xù)的航跡。此外,針對(duì)目標(biāo)發(fā)生機(jī)動(dòng)的情況,當(dāng)前一般采用多模型(Multi Model, MM)或交互式多模型(Interacting Multi Model, IMM)濾波框架,對(duì)應(yīng)衍生出了兩類多目標(biāo)跟蹤算法的機(jī)動(dòng)目標(biāo)跟蹤版本:IMM-JPDA與MM-PHDF。
檢測(cè)前跟蹤(Track Before Detect, T
3、BD)框架在雜波密度大的跟蹤場(chǎng)景中能夠獲得較好的跟蹤效果,到目前為止,基于RFS理論的多目標(biāo)跟蹤算法尚未得到完備的TBD模型,因此一般采用基于關(guān)聯(lián)的跟蹤算法:首先,通過多幀累積初始化目標(biāo)軌跡,一般采用多目標(biāo)軌跡起始算法:聯(lián)合最大似然-概率數(shù)據(jù)關(guān)聯(lián)(Joint Maximum Likelihood-Probability Data Association, JML-PDA)算法,在得到目標(biāo)的初始狀態(tài)及協(xié)方差矩陣后采用JPDA保持對(duì)目標(biāo)軌跡
4、的跟蹤,稱為結(jié)合的聯(lián)合最大似然-概率數(shù)據(jù)關(guān)聯(lián)(Combined JML-PDA and JPDA, CJML-PDA)算法。
監(jiān)測(cè)區(qū)域內(nèi)的雜波密度和目標(biāo)數(shù)量的增加會(huì)造成基于關(guān)聯(lián)的多目標(biāo)跟蹤算法的組合爆炸問題,并且由于多幀累積算法往往需要用到多次觀測(cè)數(shù)據(jù),計(jì)算量很大,在串行運(yùn)算的CPU平臺(tái)處理器上無法實(shí)時(shí)實(shí)現(xiàn),阻礙了它們的工程應(yīng)用。自圖形處理器(Graphic Processing Unit, GPU)被用于通用信號(hào)處理后,很多
5、在傳統(tǒng)架構(gòu)上計(jì)算復(fù)雜度高的算法的實(shí)時(shí)實(shí)現(xiàn)成為了可能。
本文針對(duì)多目標(biāo)跟蹤算法存在的一些缺陷,研究了多目標(biāo)跟蹤改進(jìn)算法及其在硬件平臺(tái)上的實(shí)現(xiàn),主要的工作如下:
(1)介紹了雜波條件下的多目標(biāo)跟蹤模型、基于關(guān)聯(lián)的多目標(biāo)跟蹤算法JPDA及其機(jī)動(dòng)目標(biāo)跟蹤版本IMM-JPDA;
(2)介紹了RFS理論框架下的多目標(biāo)跟蹤模型、PHD濾波器、基于粒子濾波(Particle Filter, PF)實(shí)現(xiàn)的P H D濾波器以及
6、P H D濾波器的機(jī)動(dòng)目標(biāo)跟蹤版本:MM-PHD濾波和它的PF實(shí)現(xiàn);
(3)介紹了基于多幀累積的密集雜波條件下目標(biāo)軌跡起始算法JML-PDA,基于JML-PDA算法與IMM-JPDA算法,結(jié)合兩種算法的優(yōu)勢(shì),提出了一種在密集雜波條件下機(jī)動(dòng)多目標(biāo)跟蹤解決方案:CJML-IMM-PDA算法;
(4)介紹了GPU的架構(gòu)特性及其開發(fā)平臺(tái),提出基于GPU加速的CJML-IMM-PDA加速方案,并且基于仿真給出了其在GPU平臺(tái)下
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 雜波環(huán)境下密集多目標(biāo)跟蹤算法研究.pdf
- 低可觀測(cè)高雜波條件下的多目標(biāo)檢測(cè)算法研究與實(shí)現(xiàn).pdf
- 強(qiáng)雜波中的多目標(biāo)跟蹤算法研究.pdf
- 雜波條件下的紅外海面小目標(biāo)檢測(cè)與跟蹤方法研究.pdf
- 雜波環(huán)境下的機(jī)動(dòng)多目標(biāo)跟蹤方法研究.pdf
- 復(fù)雜條件下多目標(biāo)跟蹤關(guān)鍵技術(shù)研究.pdf
- 量測(cè)噪聲未知條件下的多目標(biāo)跟蹤方法研究.pdf
- 多目標(biāo)跟蹤算法及實(shí)現(xiàn)研究.pdf
- 復(fù)雜背景條件下運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法的研究.pdf
- 復(fù)雜背景條件下的紅外小目標(biāo)檢測(cè)與跟蹤算法研究.pdf
- 一種多目標(biāo)跟蹤算法的研究與實(shí)現(xiàn).pdf
- 基于視頻的多目標(biāo)人臉跟蹤算法研究與實(shí)現(xiàn).pdf
- 多目標(biāo)跟蹤算法研究.pdf
- 機(jī)動(dòng)目標(biāo)跟蹤與多目標(biāo)互聯(lián)算法研究.pdf
- 復(fù)雜地物背景條件下運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤算法研究.pdf
- 密集信號(hào)條件下雷達(dá)信號(hào)分選算法.pdf
- 基于TLD模型的多目標(biāo)跟蹤算法的研究與實(shí)現(xiàn).pdf
- 運(yùn)動(dòng)多目標(biāo)檢測(cè)與跟蹤算法研究.pdf
- 復(fù)雜條件下運(yùn)動(dòng)目標(biāo)跟蹤方法的研究.pdf
- 運(yùn)動(dòng)目標(biāo)檢測(cè)和遮擋條件下目標(biāo)跟蹤的研究.pdf
評(píng)論
0/150
提交評(píng)論