基于非参数贝叶斯学习进行对象类别和模型参数识别的扩展多目标跟踪

《IEEE Transactions on Aerospace and Electronic Systems》：Extended Multiobject Tracking With Nonparametric Bayesian Learning of Object Classes and Model Parameters

　　

摘要：

我们提出了一种贝叶斯模型和方法，用于跟踪具有潜在（未知）类别结构的多个扩展对象。对象类别的数量、类别参数值以及对象的类别归属是在跟踪过程中同时学习的，这些学习到的信息被用来提高跟踪性能。这是通过一个贝叶斯参数依赖的状态空间模型实现的，该模型通过一个非参数化的（狄利克雷过程）先验来处理类别参数，并利用马尔可夫链蒙特卡洛算法进行联合类别估计、对象-类别分配和扩展多对象跟踪。仿真结果表明，利用所提出的方法利用对象的潜在类别结构可以显著提高跟踪和参数估计的性能。