[发明专利]一种基于序列蒙特卡罗场景拟合的多目标跟踪方法

权利要求书

1.一种基于序列蒙特卡罗场景拟合的多目标跟踪方法，其特征在于，主要包括区域检测器拟合(一)；似然函数求解(二)；策略调整(三)。

2.基于权利要求书1所述的区域检测器拟合(一)，其特征在于，给定一个源数据集并且一个从该数据集训练好的场景区域神经网络检测器，再给定一个关于目标场景的视频序列，则可以从该源图像的检测器中使用概率学整合方法进行检测器的拟合，使之更加专门针对未列明标签的场景中进行目标检测，然后求解分布方程。

3.基于权利要求书2所述的概率学整合方法，其特征在于，进行概率学模型的整合去表示出目标的分布，具体地，用x_k表示一个隐藏随机向量，它与第k次迭代中关于数据集样本中标签跟特征的联合分布有关，此外用z_k表示一个隐藏测量向量，它与目标场景中被提取的信息(视觉短暂停留的信息)有关，则目标分布p(x_k|z_0：k)可由下式表示：

p(xk|z0:k)=C·p(xk|zk)∫xk-1p(xk|xk-1)p(xk-1|z0:k-1)dxk-1,---(1)]]>

其中C是归一化因子：C＝1/p(z_k|z_0：k)；

接着，使用序列蒙特卡罗滤波器去估计p(x_k|z_k)的分布，具体地，假设样本数目为N，则有：

p(xk|zk)≈Σn=1Nπk(n)δxk(n)(xk),---(2)]]>

其中，公式(2)中的δ是狄拉克函数，如公式(3)所示：

其中，公式(2)中的是与第k次迭代中第n个样本有关的权重，

πk(n)=πk-1(n)p(zk|xk=xk(n))Σn=1Nπk-1(n)p(zk|xk=xk(n)),---(4)]]>

其中，所有的样本其权重总和应当为1，即：

Σn=1Nπk(n)=1,---(5)]]>

至此，完成整合步骤。