×
韩，华;丁永生;郝匡荣;梁，肖

一种基于免疫遗传算法的进化粒子滤波器用于智能视频目标跟踪。 （英语） 兹比尔1231.94012

计算。数学。申请。 62，第7期，2685-2695（2011）.
摘要：粒子滤波算法广泛应用于视频序列的目标跟踪，对智能监控应用具有重要意义。然而，仍有很大的改进空间，例如所谓的“样本贫困”。它是由重新采样带来的，旨在避免粒子退化，从而成为粒子滤波器的固有缺点。为了解决样本贫化的问题，增加有意义粒子的数量，保证粒子集的多样性，提出了一种基于免疫遗传算法（IGA）的进化粒子滤波算法，通过在重采样前加入IGA来提高粒子的多样性。粒子被视为免疫系统的抗体，被跟踪目标的状态被视为外部入侵抗原。随着交叉和变异过程，免疫系统产生大量新抗体（粒子），因此新粒子可以通过开发新区域更好地接近真实状态。抗体的调节机制，如促进和抑制，确保了粒子集的多样性。在该算法中，通过IGA优化的粒子集可以更好地表达目标的真实状态，并且可以显著增加有意义粒子的数量。目标跟踪实验验证了该粒子滤波器的有效性和鲁棒性。仿真结果表明，该粒子滤波器在粒子多样性和效率方面优于标准粒子滤波器。该算法可以很容易地推广到具有遮挡的多目标跟踪问题。

引用于三文件

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）
第60页 统计学在工程和工业中的应用；控制图
62G09号 非参数统计重采样方法
2009年6月26日 非马尔可夫过程：估计
94甲13 信息与通信理论中的探测理论

关键词：

目标跟踪;智能监控;颗粒过滤器;免疫遗传算法;粒子耗尽;重新取样
PDF格式BibTeX公司 XML格式引用
\textit{H.Han}等人，计算。数学。申请。62，第7号，2685--2695（2011；Zbl 1231.94012）
全文： 内政部

参考文献：

[1] 黄，C.M。；Fu，L.C.，基于多目标视觉跟踪的有效监视与多个活动摄像机的合作，IEEE系统、人与控制论汇刊，B部分：控制论，41，1，234-247（2011）
[2] Gidel，S。；切钦，P。；布兰科，C。；T.城堡。；Trassoudaine，L.，《使用多层激光扫描仪在城市环境中检测和跟踪行人》，IEEE智能交通系统汇刊，11，3，579-588（2010）
[3] Kristan，M。；科瓦奇奇，S。；Leonardis，A。；Perš，J.，视觉跟踪的两阶段动态模型，IEEE系统、人与控制论汇刊，B部分：控制论，40，6，1505-1520（2010）
[4] 朱，J。；Lao，Y。；Zheng，Y.F.，视频监控应用结构化环境中的对象跟踪，IEEE视频技术电路和系统汇刊，20，2，223-235（2010）
[5] Han，B。；Zhu，Y。；科马尼丘，D。；Davis，L.S.，顺序贝叶斯滤波框架中连续密度传播的视觉跟踪，IEEE模式分析和机器智能汇刊，31，5，919-930（2009）
[6] 沈，C。；Kim，J。；Wang，H.，基于广义内核的视觉跟踪，IEEE视频技术电路和系统汇刊，20，1，119-130（2010）
[7] 崔，P。；Sun，L.-F.公司。；Wang，F。；Yang，S.-Q.，上下文混合跟踪，IEEE多媒体汇刊，11，2，333-341（2009）
[8] 魏明，H。；薛，Z。；最小高度。；Maybank，S.，《用于跟踪多人的阻塞推理》，IEEE视频技术电路和系统交易，19，1，114-121（2009）
[9] 卢，W.L。；Okuma，K。；Little，J.J.，使用增强粒子过滤器跟踪和识别多个曲棍球运动员的动作，图像和视觉计算，27，1-2，189-205（2009）
[10] Ł奥萨，A。；Mihaylova，L。；D.布尔。；Canagarajah，N.，《多模态监控视频中基于结构相似性的目标跟踪》，机器视觉与应用，20，2，71-83（2009）
[11] Isard，M。；Blake，A.，《用于视觉跟踪的冷凝-条件密度传播》，《国际计算机视觉杂志》，29，1，5-28（1998）
[12] 戈登，N。；鲑鱼，D。；尤因，C.，使用自举滤波器进行跟踪和制导的贝叶斯状态估计，制导、控制和动力学杂志，18，6，1434-1443（1995）
[13] Liu，J.S。；Chen，R.，动态系统的序贯蒙特卡罗方法，美国统计协会杂志，93，1032-1044（1998）·Zbl 1064.65500号
[14] 马乔，E。；Cavallaro，A.，机动目标基于外观的精确贝叶斯跟踪，计算机视觉和图像理解，113，4，544-555（2009）
[15] Medeiros，H。；Holguín，G。；Shin，P.J。；Park，J.，用于基于SIMD的智能相机上目标跟踪的基于并行直方图的粒子滤波器，计算机视觉和图像理解，114，11，1264-1272（2010）
[16] 徐晓云。；Li，B.-X.，自适应Rao-Blackwellized粒子滤波器及其在监控跟踪中的评估，IEEE图像处理汇刊，16，3，838-849（2007）
[17] 卡比多，R。；Montemayor，A.S。；潘特里戈，J.J。；Payne，B.R.，《粒子滤波器实时区域跟踪的多尺度和局部搜索方法：基于GPU自适应尺度估计的局部搜索》，机器视觉与应用，21，1，43-58（2009）
[18] 福瑞，J。；米尔斯，S。；Green，R.，Harmony filter:使用改进的和声搜索算法的鲁棒视觉跟踪系统，图像与视觉计算，28，12，1702-1716（2010）
[19] 南帕克。；Hwang，J.P。；Kim，E。；Kang，H.-J.，《防止样本贫化的新进化粒子滤波器》，IEEE进化计算汇刊，13，4，801-809（2009）
[20] Arulampalam，M.S。；马斯凯尔，S。；戈登，N。；Clapp，T.，在线非线性/非高斯贝叶斯跟踪粒子滤波器教程，IEEE信号处理学报，50，2，174-188（2002）
[21] Hariharakrishnan，K.S.，使用自适应块匹配的快速目标跟踪，IEEE多媒体交易，7，5，853-859（2005）
[22] 曲，W。；Schonfeld，D.，使用多个交互式跟踪器和磁惯性势模型的实时分布式多目标跟踪，IEEE多媒体汇刊，9，3，511-519（2007）
[23] 方，J。；Ali，J.，《使用无味粒子滤波实现捷联天文惯性导航系统的自主集成套件》，《计算机与数学应用》，第57期，第169-183页（2009年）·Zbl 1165.93327号
[24] 科马尼丘，D。；拉梅什，V。；Meer，P.，基于内核的对象跟踪，IEEE模式分析和机器智能汇刊，25，564-575（2003）
[25] Nummiaro，K。；科尔勒·梅耶，E。；Van Gool，L.，自适应基于颜色的粒子滤波器，图像和视觉计算，21，1，99-110（2003）
[26] Park，J.H。；Lee，G.S。；Park，S.Y.，《使用自适应均值漂移和基于统计模型的方法进行彩色图像分割》，《计算机与数学应用》，第57期，第970-980页（2009年）·Zbl 1186.94014号
[27] 丁永生。；刘，B。；任，L.-H。；郝克瑞，《基于生物网络的智能控制与优化》（2010），科学出版社：北京科学出版社
[28] 戈登，N。；Salmond，D.J。；Smith，A.F.M.，非线性/非高斯贝叶斯状态估计的新方法，IEE程序，第F部分：雷达和信号处理，140，2，107-113（1993）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。