注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 多目标视频论文

  2. 视频中多目标检测与跟踪，包括多种算法，粒子滤波，PHD,Hog等方法。

  3. 所属分类：讲义

    • 发布日期：2016-03-03
    • 文件大小：18mb
    • 提供者：u011173841

  1. 粒子PHD程序

  2. 可直接执行的粒子PHD滤波算法代码，适用于多目标跟踪

  3. 所属分类：其它

    • 发布日期：2016-08-31
    • 文件大小：14kb
    • 提供者：l_jiangyi

  1. 粒子滤波英文资料用于多目标跟踪

  2. 用PHD进行多目标跟踪，粒子滤波的方法，英文的博士论文，可以看一下。

  3. 所属分类：专业指导

    • 发布日期：2009-03-23
    • 文件大小：1mb
    • 提供者：tinygreenbean

  1. 基于粒子滤波和PHD的目标跟踪英文资料

  2. 基于粒子滤波和PHD的目标跟踪英文资料，有兴趣的可以参考一下

  3. 所属分类：专业指导

    • 发布日期：2009-03-23
    • 文件大小：6mb
    • 提供者：whj_winner

  1. 基于PHD的多目标粒子滤波

  2. 一篇关于多目标跟踪的概率假设密度粒子实现文章；

  3. 所属分类：其它

    • 发布日期：2012-11-19
    • 文件大小：119kb
    • 提供者：popularqin

  1. 单目标多测量问题的FISST方法

  2. 受到当前流行的多目标概率假设密度（PHD）过滤器的启发，本文使用随机有限集（RFS）形式主义解决了可通过多传感器观察到的目标跟踪问题。 单目标多测量问题的解决方案基于有限集统计（FISST）贝叶斯框架。 此外，提出并在许多粒子上演示了FISST过滤的SMC实现。 与传统方法（例如扩展卡尔曼滤波器（EKF）和粒子滤波器（PF））相比，FISST滤波被证明是跟踪效果最好的。

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：247kb
    • 提供者：weixin_38545485

  1. 基于概率假设密度滤波平滑器的检测前跟踪算法

  2. 基于概率假设密度滤波（PHD）的检测前跟踪（TBD）技术可以有效解决未知弱小多目标检测问题。PHD-TBD算法粒子权重计算受量测噪声影响明显，导致目标数估计存在起伏现象，制约了PHD-TBD算法性能。对PHD-TBD技术进行研究，引进概率假设密度滤波平滑器，提出基于平滑的PHD-TBD算法。该算法对当前帧目标数估计时，综合利用前向递推和后向平滑结果对粒子权重进行更新，在一定程度上克服了随机量测噪声的影响。通过仿真验证，该算法能够有效发现目标，准确估计目标数目和位置，性能有较大提高。

  3. 所属分类：其它

  1. 基于随机有限集的UPF-CPHD多目标跟踪

  2. 摘 要：提出一种基于随机有限集的无迹粒子基数概率假设密度滤波（UPF-CPHD,unscented particle filter-cardinality probability hypothesis density）的多目标跟踪方法。在粒子滤波框架下采用随机有限集（RFS,random finite sets）对多目标状态和观测进行描述。在UPF滤波框架下引入CPHD算法同时递推目标状态和目标数目，并计算最新观测信息，估计结果更加精确，弥补PHD 估计目标数目不可靠的缺点。仿真实验表明，UPF

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：920kb
    • 提供者：weixin_38713717

  1. 一种改进的基于概率假设密度滤波的多目标跟踪方法

  2. 针对概率假设密度(PHD) 滤波使用聚类方法提取目标状态时, 会出现结果不准确, 且PHD 滤波无法给出状 态到航迹关联的问题, 提出一种在目标状态中加入标签的方法来实现状态到航迹的关联. 该方法对权值较大的标签, 通过两次确认来剔除杂波干扰, 得到比传统PHD 滤波更精确的状态估计. 在提取目标状态时, 只对相同标签的粒子 进行处理, 避免使用聚类方法. 通过与传统PHD 算法的仿真对比表明, 改进算法具有较好的跟踪性能.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：245kb
    • 提供者：weixin_38610070

  1. 基于拟蒙特卡罗方法的概率假设密度多目标跟踪

  2. 为了改善多目标跟踪问题中概率假设密度(PHD) 滤波的估计精度, 提出基于拟蒙特卡罗的PHD 滤波算法. 该算法利用低偏差点集在状态空间中分布均匀的特性, 使得采样粒子集最大程度地相互远离, 充分地描述多目标状 态的后验概率密度, 从而准确地利用带有相应权值的粒子集来计算多目标数目和各个目标状态的估计值. 仿真实验 表明了算法的有效性, 且估计性能优于粒子PHD 滤波算法.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：357kb
    • 提供者：weixin_38547882

  1. 基于拟蒙特卡罗的未知杂波GMP-PHD 滤波器

  2. 针对非线性系统模型中未知杂波环境下的多目标跟踪问题, 提出一种基于拟蒙特卡罗方法的未知杂波 高斯混合粒子概率假设密度(GMP-PHD) 算法. 首先利用有限混合模型拟合未知杂波空间分布, 使其能够在杂波模型未知的情况下稳定跟踪目标; 然后利用低偏差点集在状态空间中分布均匀的特性将拟蒙特卡罗采样方法应用到GMP-PHD 中, 使其在解决非线性滤波问题的同时提高目标跟踪精度. 仿真实验表明, 所提出的算法具有良好的跟踪性能.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：247kb
    • 提供者：weixin_38685173

  1. 未知噪声统计下多模型概率假设密度粒子滤波算法

  2. 针对传统多目标概率假设密度滤波(PHD) 器在噪声先验统计未知或不准确时滤波精度下降甚至丢失目标的问题, 设计一种自适应多模型粒子PHD(MMPHD) 滤波算法. 该算法利用多模型近似思想, 推导出一种多模型概率假设密度估计器, 不仅能估计多目标状态, 而且能实时估计未知且时变的噪声参数, 并采用蒙特卡罗方法给出了MMPHD闭集解. 仿真实例表明, 所提出的算法具有应对噪声变化的自适应能力, 可有效提高目标跟踪精度.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：582kb
    • 提供者：weixin_38666697

  1. 基于箱粒子的多扩展目标PHD滤波

  2. 在高斯混合多扩展目标PHD 滤波的基础上, 结合最新兴起的箱粒子滤波, 提出一种基于区间分析的多扩展目标PHD 滤波算法. 采用大小可控的非零矩形区域来代替传统的多个点量测, 这样可降低权值计算中对量测分布的要求. 仿真对比实验表明, 采用区间分析方法在保证近似于传统滤波精度的同时可降低计算复杂度, 在目标数目估计及抗杂波干扰方面也具有较为突出的优势, 并且可解决在目标靠近时由于不能正确给出子划分而造成的漏检问题.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：339kb
    • 提供者：weixin_38711972

  1. 基于Mean Shift迭代的新生未知多扩展目标跟踪

  2. 针对当前基于随机集的多扩展目标跟踪算法存在计算量大、量测划分不准确和跟踪误差大的问题,在PHD滤波基础上提出一种基于均值漂移(Mean Shift)迭代的新生未知多扩展目标跟踪算法.首先,对聚类后量测数据进行关联,得到新生目标状态,解决目标新生问题;然后,通过Mean Shift迭代获得目标量测集质心,将扩展目标的多量测问题转化为点量测处理;最后,给出其粒子实现方式.仿真实验表明,所提出的算法可以降低跟踪复杂度,提高跟踪效率,在交叉时刻具有稳定的跟踪性能。

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：216kb
    • 提供者：weixin_38551431

  1. 箱粒子PHD演化网络群目标跟踪算法

  2. 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(SMC- PHD)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.

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：269kb
    • 提供者：weixin_38627590

  1. 基于箱粒子概率假设密度滤波的弱目标检测与跟踪算法

  2. 针对低信噪比条件下多弱小目标检测前跟踪算法跟踪效率低、计算复杂度高等问题,提出一种基于箱粒子概率假设密度滤波的弱目标检测与跟踪算法.首先,针对由目标的贡献强度和噪声获得的目标强度量测图像,利用均值滤波抑制强度量测图像中的噪声;其次,以不交叉原则挑选出强度值较大区域作为区间量测;最后,利用箱粒子概率假设密度(BOX-PHD)滤波对上述所得的区间量测进行目标跟踪.仿真结果表明,所提出的方法可以提高跟踪性能,且计算效率高.

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：435kb
    • 提供者：weixin_38669618

  1. 基于PHD的粒子滤波检测前跟踪改进算法

  2. 基于PHD的粒子滤波检测前跟踪改进算法

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：896kb
    • 提供者：weixin_38503233