Hoyningen-Huene，Nicolai V。;迈克尔·贝茨 重要性抽样是解决多目标跟踪中数据关联问题的一种方法。 （英语） Zbl 1205.68340号 Ranchordas，A.（编辑）等人，《计算机视觉、成像和计算机图形：理论和应用》。2009年2月5日至8日，葡萄牙里斯本，VISIGRAPP 2009国际联合会议。修订了选定的论文。柏林：施普林格出版社（ISBN 978-3-642-11839-5/pbk；978-3-442-11840-1/电子书）。《计算机与信息科学通信》68，309-325（2010）。 摘要：跟踪外观相似的多个目标是许多计算机视觉应用程序（如监控或运动分析）中的常见任务。我们提出了Rao-Blackwellized Resampling Particle Filter（RBRPF）作为一种实时多目标跟踪方法，该方法通过蒙特卡罗方法解决了数据关联问题。使用过程模型预测包含整个目标配置的每个粒子，并通过采样关联和将预测状态与指定测量值（而非常见分散度）融合来重新采样。由于每个目标状态都被建模为高斯，Rao-Blackwellization可以用来解析地解决其中的一些步骤。关联采样将多目标跟踪问题分解为多个单目标跟踪问题，可以用卡尔曼滤波器进行优化处理。该方法与测量顺序无关，与其他最先进的方法相比，测量顺序主要由测量过程预先确定。引入智能重采样和记忆，首先利用关联的离散性为跟踪方法配备实时功能。概率框架允许考虑外观模型和不同传感器的融合。提出了一种限制与单个目标相关的测量多重性的方法，并在仿真实验中评估了处理杂波中大量目标的能力。通过实时跟踪多个摄像头通过遮挡捕捉到的足球运动员，我们证明了该方法在实际应用中的适用性。有关整个系列，请参见[Zbl 1200.68019号]. MSC公司： 68吨10 模式识别、语音识别 68T45型 机器视觉和场景理解 关键词：多目标跟踪;数据关联问题;颗粒过滤器;rao黑流化;卡尔曼;重新取样 PDF格式BibTeX公司 XML格式引用 \textit｛N.V.Hoyningen-Huene｝和\textit｛M.Beetz｝，公社。计算。信息科学。68、309--325（2010年；Zbl 1205.68340） 全文： 内政部