一种模糊算法及其在多假设多目标跟踪中的应用

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (10): 224-226.

一种模糊算法及其在多假设多目标跟踪中的应用

李爱军¹,吴小俊²

1.江苏科技大学电子信息学院，江苏镇江 212003
2.江南大学信息工程学院，江苏无锡 214122

收稿日期:2007-09-29 修回日期:2007-12-12 出版日期:2008-04-01 发布日期:2008-04-01
通讯作者: 李爱军

Fuzzy algorithm and its application to MHT multitarget tracking

LI Ai-jun¹,WU Xiao-jun²

1.School of Electronics and Information，Jiangsu University of Science and Technology，Zhenjiang，Jiangsu 212003，China
2.School of Information Engineering，Jiangnan University，Wuxi，Jiangsu 214122，China

Received:2007-09-29 Revised:2007-12-12 Online:2008-04-01 Published:2008-04-01
Contact: LI Ai-jun

摘要/Abstract

摘要： 研究了基于模糊交互式多模型算法解决多假设多目标跟踪中的新目标数据相关问题。使用模糊交互式多模型算法处理新目标的数据相关问题，能够提高跟踪精度、时间效率。用隶属度表示每个模型与所跟踪新目标的隶属关系，根据隶属度选择最佳的模型对新目标进行跟踪。仿真结果表明，该方法不仅能够处理新目标的数据相关，同时又能够提高算法的时间效率。

关键词: 多假设跟踪, 交互多模型, 数据关联, 模糊系统, 目标跟踪

Abstract: In this paper，a fuzzy interacting multiple model is developed to solve data association problem of a new target of MHT multitarget tracking.A fuzzy IMM is introduced to deal with the data association problem of a new target.This can improve the track precision and the time efficiency of the algorithm.The degree of membership is adopted to express membership relation between every model and a new target，an optimal model to tract new target is picked out by the degree of membership.The simulation results indicate that the measure can improve the time efficiency of algorithm.

Key words: Multiple Hypothesis Tracking（MHT）, Interacting Multiple Model（IMM）, data association, fuzzy system, target tracking

李爱军¹,吴小俊². 一种模糊算法及其在多假设多目标跟踪中的应用[J]. 计算机工程与应用, 2008, 44(10): 224-226.

LI Ai-jun¹,WU Xiao-jun². Fuzzy algorithm and its application to MHT multitarget tracking[J]. Computer Engineering and Applications, 2008, 44(10): 224-226.

[1]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[2]	牛通，卿粼波，许盛宇，苏婕. 基于深度学习的分层关联多行人跟踪[J]. 计算机工程与应用, 2021, 57(8): 96-102.
[3]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[4]	王玲，王家沛，王鹏，孙爽滋. 融合注意力机制的孪生网络目标跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 169-174.
[5]	崔洲涓，安军社，陈长龙，崔天舒. 基于PYNQ框架的深度卷积特征异构跟踪系统[J]. 计算机工程与应用, 2021, 57(4): 120-126.
[6]	邱守猛，谷宇章，袁泽强. 基于双分支孪生网络的目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 135-143.
[7]	林淑彬，吴贵山，许甲云，杨文元. 多帧监督的相关滤波无人机目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 152-160.
[8]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[9]	武哲纬，周世杰，刘启和. 运算资源受限环境下的目标跟踪算法综述[J]. 计算机工程与应用, 2021, 57(21): 24-40.
[10]	王蓓，陈金广，王明明. 复杂场景下的改进核相关滤波跟踪算法[J]. 计算机工程与应用, 2021, 57(2): 198-208.
[11]	李晓花，苏骏，李秀秀. 强干扰环境单观测站水下纯方位多目标跟踪[J]. 计算机工程与应用, 2021, 57(17): 253-259.
[12]	童文林，陈德旺，黄允浒，吕宜生. 结合模拟退火与规则约简的模糊系统优化方法[J]. 计算机工程与应用, 2021, 57(16): 142-150.
[13]	陈庆林，谷雨，宋忠浩，聂圣东. 融合检测与跟踪的半自动视频目标标注[J]. 计算机工程与应用, 2021, 57(14): 223-230.
[14]	张瑶，卢焕章，张路平，胡谋法. 基于深度学习的视觉多目标跟踪算法综述[J]. 计算机工程与应用, 2021, 57(13): 55-66.
[15]	王德鑫，常发亮. 六足机器人动态目标检测与跟踪系统研究[J]. 计算机工程与应用, 2021, 57(12): 180-185.