-
-
公开(公告)号：CN110501671B
公开(公告)日：2021-04-13
申请号：CN201910814954.9
申请日：2019-08-30
Applicant: 深圳大学
Abstract: 本发明公开的一种基于测量分配的目标跟踪方法及装置，先确定当前时刻各目标对应于各测量的更新状态分布、更新存在概率、更新探测标识，以及各目标与各测量的关联概率；再基于测量的分配结果对更新存在概率与更新探测标识进行调整；然后判断已存在目标是否漏检，基于判断结果确定各目标的状态分布、存在概率、探测标识和轨迹标识；最后提取存在概率大于第一阈值的目标的状态分布和轨迹标识作为当前时刻的输出，并将存在概率大于或等于第二阈值的目标的状态分布、存在概率、探测标识和轨迹标识作为下一时刻的输入。本发明保证了多目标跟踪精度，有效减少了计算量，在存在杂波和漏检的场景下具有很强的适用性。
-
公开(公告)号：CN110349187A
公开(公告)日：2019-10-18
申请号：CN201910650057.9
申请日：2019-07-18
Applicant: 深圳大学
Abstract: 根据本发明实施例公开的一种基于TSK模糊分类器的目标跟踪方法、装置及存储介质，首先对稳定航迹的特征集合构建多输出回归数据集，并计算各特征相对模糊规则的模糊隶属度；然后基于多输出回归数据集及模糊隶属度训练分别基于运动特征和HOG特征的TSK模糊分类器的后件参数，并构建对应的分类器；再将观测集输入至分类器得到标签向量矩阵，并对标签向量矩阵进行数据关联得到目标和观测的正确关联；最后对目标进行滤波和轨迹管理得到目标的最终轨迹。通过本发明的实施，利用多帧信息训练出TSK模糊分类器，并在训练的过程中加入多特征学习机制，增加了分类器的学习能力，可有效处理数据关联过程中的不确定性，提高目标跟踪的准确性。
-
公开(公告)号：CN109558594A
公开(公告)日：2019-04-02
申请号：CN201811463206.2
申请日：2018-12-03
Applicant: 深圳大学
IPC: G06F17/27
Abstract: 本发明公开了一种交互式T-S模糊语义模型估计方法、系统和计算机可读存储介质，用于目标跟踪，解决了现有的滤波算法难以满足系统性能的要求而降低了研究成果的鲁棒性和准确性的问题，包括：采用的不同语言值定义T-S模糊模型中的不同语义模糊集；设定各个语义模糊集之间的概率转换方法；对目标的初始状态模糊交互，得到目混合初始状态估计及混合初始状态协方差；对混合初始状态估计及混合初始状态协方差非线性滤波处理，得到更新状态及更新状态协方差；对T-S模糊模型的前件参数计算和更新，得到更新前件参数；计算标准化模型概率；得出目标的状态估计及协方差估计；估计目标的运动状态，从而增加了研究成果的鲁棒性和准确性。
-
公开(公告)号：CN108917745A
公开(公告)日：2018-11-30
申请号：CN201810465593.7
申请日：2018-05-16
Applicant: 深圳大学
Abstract: 本发明属于多传感器信息融合技术领域，尤其涉及一种三维空间转弯机动目标的状态估计方法及系统。该方法利用3个不同时刻的位置测量数据获得坐标变换矩阵，通过坐标变换矩阵将3个位置测量变换至xoy面上，然后利用变换后位置测量数据估计出目标的转弯率估计和变换后的目标状态估计，再利用坐标变换矩阵对变换后的目标状态估计进行反变换，最终获得三维空间转弯机动目标的状态估计。本发明通过坐标变换将三维空间转弯机动目标状态估计问题转化为二维空间中转弯机动目标的状态估计问题，从而可以有效地估计出三维空间转弯机动目标的状态，且方法简单、高效。
-
Patent Agency Ranking
公开(公告)号：CN107462882A
公开(公告)日：2017-12-12
申请号：CN201710804689.7
申请日：2017-09-08
Applicant: 深圳大学
Abstract: 本发明适用于多传感器信息融合领域，提供了一种适用于闪烁噪声的多机动目标跟踪方法与系统，通过预测步骤、更新步骤、融合步骤、生成步骤以及提取步骤，用t分布建模闪烁噪声，应用变分贝叶斯方法近似地求出不同模型下观测噪声的协方差、目标状态以及自由度的联合概率密度，有效解决了闪烁噪声下多机动目标的跟踪问题，提高了多机动目标的跟踪精度。
-
公开(公告)号：CN106846361A
公开(公告)日：2017-06-13
申请号：CN201611170877.0
申请日：2016-12-16
Applicant: 深圳大学
Abstract: 本发明公开了一种基于直觉模糊随机森林的目标跟踪方法，包括：对当前视频帧进行运动检测，检测得到的可能运动对象作为观测结果；对观测结果和目标的预测结果进行关联，目标包括可靠目标及临时目标；对未被关联的观测结果和预测结果进行轨迹管理，其中包括对未被关联的可靠目标的预测结果进行在线跟踪获取候选结果，利用未被关联的可靠目标的直觉模糊随机森林对候选结果进行匹配；利用关联结果和匹配结果获取当前帧的目标的轨迹，利用当前帧的目标的轨迹进行预测，并为关联成功或匹配成功的可靠目标更新直觉模糊随机森林。本发明还公开了一种基于直觉模糊随机森林的目标跟踪装置。通过上述方式，本发明能够在发生漏检的情况下改善目标跟踪的性能。
-
公开(公告)号：CN103955892B
公开(公告)日：2015-10-28
申请号：CN201410134331.4
申请日：2014-04-03
Applicant: 深圳大学
Abstract: 本发明公开了一种目标跟踪方法、系统及扩展截断无迹卡尔曼滤波方法、装置，该扩展截断无迹卡尔曼滤波方法包括根据无迹变换获取原始先验概率密度函数；根据原始先验概率密度函数获取第一后验概率密度函数；根据统计线性回归理论以及当前目标观测时刻的目标观测向量修正原始先验概率密度函数，以获取修正先验概率密度函数；根据修正先验概率密度函数获取第二后验概率密度函数；根据原始先验概率密度函数以及第二后验概率密度函数获取联合后验概率密度函数。本发明能够解决观测函数不具有唯一反函数的问题，有效减少目标状态先验分布方差，自适应地根据观测信息的精度进行状态更新，有效提高滤波精度且实用性较高。
-
公开(公告)号：CN103679753A
公开(公告)日：2014-03-26
申请号：CN201310690685.2
申请日：2013-12-16
Applicant: 深圳大学
IPC: G06T7/20
Abstract: 本发明适用于多传感器技术领域，提供了一种概率假设密度滤波器的轨迹标识方法，包括：步骤1：根据前一时刻的高斯项及其身份标识确定预测的高斯项及其身份标识，并给每一个新生的高斯项添加非专有的身份标识；步骤2：根据所述预测的高斯项、新生的高斯项及它们的身份标识确定更新的高斯项及其身份标识；步骤3、对更新的高斯项和身份标识进行裁剪与合并；步骤4、根据裁剪与合并后的高斯项及其身份标识，对权重大于预设权重阈值的身份标识进行调整；步骤5、提取权重大于预设权重阈值的高斯项作为滤波器的输出，并把对应的身份标识一起输出。所述方法通过给高斯项添加身份标识，将不同时刻目标状态关联起来，从而得到各个目标的运动轨迹。
-
公开(公告)号：CN117314967A
公开(公告)日：2023-12-29
申请号：CN202311332026.1
申请日：2023-10-13
Applicant: 深圳大学
Abstract: 本申请提供了一种粒子滤波多目标跟踪方法及相关装置，该方法包括：基于前一时刻的潜在目标，利用粒子滤波方法获取当前时刻的预测潜在目标；生成当前时刻的新生潜在目标，并将其与预测潜在目标进行合并；利用粒子滤波方法对测量和合并后的潜在目标进行处理，得到当前时刻各个潜在目标的更新子项；利用二维分配方法获取当前时刻的潜在目标集；从潜在目标集中筛选存在概率大于给定阈值的真实目标，并将其均值向量和轨迹标签作为滤波器当前时刻的输出；对潜在目标集进行剪枝合并处理，并将处理后的目标集作为滤波器下一时刻递归的输入。本申请保证了多目标跟踪精度且降低了计算量，在以非线性非高斯为主的现实场景下具有很强的适用性。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.028 seconds)
