面向多目标跟踪推断的贝叶斯非参数方法
机器学习
2019-09-17 v1 统计理论
机器学习
统计理论
摘要
近年来，多目标跟踪（MOT）问题引起关注，并在多个研究领域得到研究。然而，一些具有挑战性的问题，包括时变基数、无序量测集和物体标号，仍不清楚。本文中，我们提出鲁棒的非参数方法来为 MOT 问题建模状态先验。这些模型相比现有方法更灵活、更鲁棒。具体而言，该总体方法估计时变物体基数，提供物体标号，并识别物体关联量测。此外，我们提出的框架通过相依非参数过程动态应对物体的生/灭与存活。我们给出推断算法，展示了相依非参数模型在跟踪中的效用。我们采用蒙特卡洛采样方法证明所提算法能从含噪量测中高效学习物体轨迹。计算结果展示了所提算法的性能，并不仅在所提算法之间，也在所提算法与标号多伯努利跟踪器之间进行了比较。
引用
@article{arxiv.1909.06984,
title = {Inference for multiple object tracking: A Bayesian nonparametric approach},
author = {Bahman Moraffah},
journal= {arXiv preprint arXiv:1909.06984},
year = {2019}
}