未知背景下的多目标跟踪与标记的随机有限集
摘要：在线多目标跟踪算法，用于未知背景下的操作。在大多数多目标跟踪应用中，背景过程（如杂波和检测的模型参数）是未知的，并且会随时间变化，因此算法能够自适应地学习这些参数在实践中至关重要。在这项工作中，我们详细介绍了如何将广义标记多伯努利（GLMB）滤波器（一种可行且可证明为贝叶斯最优的多目标跟踪器）来适应地学习杂波和检测参数。假设这些背景模型参数与数据速率相比不会快速波动，所提出的算法可以适应未知的背景，从而提供更好的跟踪性能。
作者：Yuthika Punchihewa, Ba-Tuong Vo, Ba-Ngu Vo and Du Yong Kim
论文ID：1706.01584
分类：Other Statistics
分类简称：stat.OT
提交时间：2018-05-23