基于当前统计模型从多视角跟踪大量高动态目标的三维跟踪
计算机视觉与模式识别
2023-09-27 v1 定量方法
摘要
从多视角对多目标进行三维跟踪具有广泛应用，尤其在生物集群行为研究中需要研究对象的精确轨迹。然而，当目标彼此相似、频繁机动且大量聚集时，存在显著的时间-空间关联不确定性。针对此种多视角多目标三维跟踪场景，遵循贝叶斯跟踪同时重建框架，提出了一种基于当前统计模型的卡尔曼粒子滤波（CSKPF）方法。CSKPF算法通过当前统计模型预测目标状态并估计目标状态协方差以提高粒子采样效率，并通过卡尔曼滤波抑制测量噪声。仿真实验证明，与现有的基于恒速的粒子滤波（CVPF）方法相比，CSKPF方法可改善跟踪完整性、连续性和精度。对果蝇集群的真实实验也证实了CSKPF方法的有效性。
引用
@article{arxiv.2309.14820,
title = {Three-dimensional Tracking of a Large Number of High Dynamic Objects from Multiple Views using Current Statistical Model},
author = {Nianhao Xie},
journal= {arXiv preprint arXiv:2309.14820},
year = {2023}
}
备注
12 pages, 12 figures