轨迹泊松多伯努利滤波器
计算机视觉与模式识别
2020-09-18 v3 应用统计
摘要
本文提出两种用于多目标跟踪的轨迹泊松多伯努利(TPMB)滤波器:一种估计每个时间步的存活轨迹集合,另一种估计每个时间步包含所有存活与消亡轨迹的全轨迹集合。这些滤波器基于在对应轨迹集合上传播泊松多伯努利(PMB)密度并通过滤波递推实现。更新步骤后,后验为PMB混合(PMBM),因此为获得PMB密度,在增广空间上执行Kullback-Leibler散度最小化。所开发的滤波器是轨迹PMBM滤波器的计算更轻量替代方案,后者在泊松出生模型下给出轨迹集合的闭式递推,且被证明优于先前的多目标跟踪算法。
引用
@article{arxiv.2003.12767,
title = {Trajectory Poisson multi-Bernoulli filters},
author = {Ángel F. García-Fernández and Lennart Svensson and Jason L. Williams and Yuxuan Xia and Karl Granström},
journal= {arXiv preprint arXiv:2003.12767},
year = {2020}
}
备注
Matlab code is provided at https://github.com/Agarciafernandez/MTT