西安交通大学学报
西安交通大學學報
서안교통대학학보
JOURNAL OF XI'AN JIAOTONG UNIVERSITY
2014年
12期
74-79
,共6页
有向场景运动模式%粒子滤波%行人跟踪
有嚮場景運動模式%粒子濾波%行人跟蹤
유향장경운동모식%입자려파%행인근종
directed scene motion pattern%particle filter%pedestrian tracking
针对现有行人跟踪算法较少考虑场景运动模式信息的问题,建立一种面向有向场景运动模式的在线学习模型以描述区域行人的共有运动特性,并以此提出了一种新型的粒子滤波行人跟踪算法.通过对行人运动特性的选择性在线统计,探索在非高密度行人跟踪问题中场景模式信息和运动历史信息的运用方式.模型由一个表征行人运动状态相空间局域运动特性的二阶直方图矩阵来描述,并根据每个跟踪单元的加权投票实施更新.通过修正粒子转移后似然概率分布,该算法能够加速粒子向真实的后验分布收敛.通过对两个不同特点的公共数据集视频中的行人进行跟踪实验并与标准的粒子滤波算法结果比较,该算法的平均跟踪误差均低于标准粒子滤波平均跟踪误差的40％,且其运算速度可达6～15帧/s,满足近实时应用帧率.
針對現有行人跟蹤算法較少攷慮場景運動模式信息的問題,建立一種麵嚮有嚮場景運動模式的在線學習模型以描述區域行人的共有運動特性,併以此提齣瞭一種新型的粒子濾波行人跟蹤算法.通過對行人運動特性的選擇性在線統計,探索在非高密度行人跟蹤問題中場景模式信息和運動歷史信息的運用方式.模型由一箇錶徵行人運動狀態相空間跼域運動特性的二階直方圖矩陣來描述,併根據每箇跟蹤單元的加權投票實施更新.通過脩正粒子轉移後似然概率分佈,該算法能夠加速粒子嚮真實的後驗分佈收斂.通過對兩箇不同特點的公共數據集視頻中的行人進行跟蹤實驗併與標準的粒子濾波算法結果比較,該算法的平均跟蹤誤差均低于標準粒子濾波平均跟蹤誤差的40％,且其運算速度可達6～15幀/s,滿足近實時應用幀率.
침대현유행인근종산법교소고필장경운동모식신식적문제,건립일충면향유향장경운동모식적재선학습모형이묘술구역행인적공유운동특성,병이차제출료일충신형적입자려파행인근종산법.통과대행인운동특성적선택성재선통계,탐색재비고밀도행인근종문제중장경모식신식화운동역사신식적운용방식.모형유일개표정행인운동상태상공간국역운동특성적이계직방도구진래묘술,병근거매개근종단원적가권투표실시경신.통과수정입자전이후사연개솔분포,해산법능구가속입자향진실적후험분포수렴.통과대량개불동특점적공공수거집시빈중적행인진행근종실험병여표준적입자려파산법결과비교,해산법적평균근종오차균저우표준입자려파평균근종오차적40％,차기운산속도가체6～15정/s,만족근실시응용정솔.
