基于置信传播的群体目标与非成组目标无缝跟踪
机器学习
2022-08-26 v1 人工智能
统计方法学
摘要
本文研究大规模群体目标的跟踪问题。通常，大多数跟踪场景中的多目标被假设为独立运动且分离良好。然而，对于群体目标跟踪（GTT），群内目标间距紧密且协调运动，群体可以分裂或合并，且群内目标数量可能很大，这导致了更具挑战性的数据关联、滤波和计算问题。在置信传播（BP）框架下，我们提出一种可扩展的群体目标置信传播（GTBP）方法，通过联合推断目标存在变量、群体结构、数据关联和目标状态。该方法通过在所设计的因子图上执行置信传播，高效计算这些变量的边缘后验分布的近似。因此，GTBP能够捕捉群体结构的变化，例如群体分裂与合并。此外，我们将目标的演化建模为可能群体结构及其对应概率所指定的群体或单目标运动的协同作用。这种灵活建模实现了对多个群体目标和非成组目标的无缝同时跟踪。特别地，GTBP具有优异的可扩展性和低计算复杂度。它不仅保持了与BP相同的可扩展性，即随传感器测量数线性缩放、随目标数二次缩放，而且仅随保留的群体划分数线性缩放。最后，数值实验展示了所提GTBP方法的有效性和可扩展性。
引用
@article{arxiv.2208.12035,
title = {Seamless Tracking of Group Targets and Ungrouped Targets Using Belief Propagation},
author = {Xuqi Zhang and Fanqin Meng and Haiqi Liu and Xiaojing Shen and Yunmin Zhu},
journal= {arXiv preprint arXiv:2208.12035},
year = {2022}
}