基于在线运动模型学习的点目标滤波
计算机视觉与模式识别
2019-02-21 v1
摘要
在高度杂散和噪声的数据帧中滤波点目标可能非常具有挑战性，尤其是对于复杂的目标运动。固定的运动模型可能无法提供准确的预测，而基于学习的算法可能难以设计（由于目标数量可变）、训练缓慢且依赖于分离的训练/测试步骤。为解决这些问题，本文提出一种多目标滤波算法，其使用具有长短期记忆（LSTM）架构的循环神经网络作为回归模块，在线学习运动模型。随后利用一种计算复杂度低的新颖数据关联算法对目标状态预测进行修正。所提算法在合成与真实点目标滤波场景上进行了评估，在高度杂散的数据序列上展现出卓越的性能。
引用
@article{arxiv.1902.07630,
title = {Filtering Point Targets via Online Learning of Motion Models},
author = {Mehryar Emambakhsh and Alessandro Bay and Eduard Vazquez},
journal= {arXiv preprint arXiv:1902.07630},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1806.06594