• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 13
    • 下载费用:30 金币  

    重庆时时彩5星计划: 一种基于香农熵分布和覆盖率的新生目标出生强度估计方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201611006258.8

    申请日:

    2016.11.16

    公开号:

    CN106570846A

    公开日:

    2017.04.19

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 实质审查的生效IPC(主分类):G06T 5/00申请日:20161116|||公开
    IPC分类号: G06T5/00 主分类号: G06T5/00
    申请人: 浙江工业大学
    发明人: 周小龙; 林家宁; 产思贤; 陈胜勇
    地址: 310014 浙江省杭州市下城区朝晖六区潮王路18号
    优先权:
    专利代理机构: 杭州斯可睿专利事务所有限公司 33241 代理人: 王利强
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201611006258.8

    授权公告号:

    |||

    法律状态公告日:

    2017.05.17|||2017.04.19

    法律状态类型:

    实质审查的生效|||公开

    摘要

    一种基于香农熵分布和覆盖率的新生目标出生强度估计方法,包括以下步骤:1)利用目标检测方法获取当前时刻的测量值,并将其分为幸存测量值和出生测量值;2)利用t?1时刻所得目标状态值Xt?1和测量值Zt?1对目标出生强度γt(xt)进行初始化,得到初始化后的出生目标强度为γini,t(xt);3)基于香农熵分布的目标出生强度更新;4)基于覆盖率的目标出生强度更新。本发明提出一种基于香农熵分布和覆盖率的估计方法,依据前一帧所获目标状态和测量值,利用高斯混合模型对目标出生强度进行初始化,结合香农熵分布及覆盖率对初始化后的目标出生强度进行更新,从而滤除噪声分量,提高跟踪准确率。

    权利要求书

    1.一种基于香农熵分布和覆盖率的新生目标出生强度估计方法,其特征在于:所述评
    估方法包括以下步骤:
    1)利用目标检测方法获取当前时刻的测量值,并将其分为幸存测量值和出生测量值,
    过程如下:
    1.1)分别建立背景图像和当前时刻图像的RGB颜色模型,将当前时刻图像模型与背景
    图像模型相减,得差分图像的RGB颜色模型;
    1.2)对所得差分图像中的像素进行筛选,若某个像素的R、G和B值中的任一值的绝对值
    大于给定阈值τ1,则此像素标记为前景像素;利用形态学操作算子对前景像素进行处理,从
    而滤除孤立的像素点;利用区域8连通算法对前景像素进行处理,将前景像素分成若干连通
    区域,每个连通区域均由最小外接矩形包围;所得矩形的中心位置及尺寸所构成的向量即
    为当前图像的测量值,矩形的数量即为测量值的数量;
    1.3)将测量值分为两类:出生测量值和幸存测量值其中Nbm,t
    和Ns,t分别为t时刻出生测量值和幸存测量值的数量,对任一测量值若其满足式(1),则
    此测量值被认定为幸存测量值
    <mrow> <msubsup> <mi>z</mi> <mrow> <mi>s</mi> <mo>,</mo> <mi>t</mi> </mrow> <mi>j</mi> </msubsup> <mo>=</mo> <mo>{</mo> <msubsup> <mi>z</mi> <mi>t</mi> <mi>j</mi> </msubsup> <mo>|</mo> <mo>||</mo> <mrow> <msubsup> <mi>l</mi> <mrow> <mi>z</mi> <mo>,</mo> <mi>t</mi> </mrow> <mi>j</mi> </msubsup> <mo>-</mo> <msubsup> <mi>l</mi> <mrow> <mi>s</mi> <mo>,</mo> <mi>t</mi> <mo>|</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>i</mi> </msubsup> </mrow> <mo>||</mo> <mo>&lt;</mo> <msubsup> <mi>v</mi> <mi>max</mi> <mi>i</mi> </msubsup> <mo>&CenterDot;</mo> <mi>T</mi> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
    其中,和为测量值j和幸存目标i的预测位置,为幸
    存目标的预测状态,为截至t-1时刻前目标i的最大速率,T=1
    帧,为两相邻时间间隔;剩余的不满足式(1)的测量值则被认定为出生测量值;
    2)利用t-1时刻所得目标状态值Xt-1和测量值Zt-1对目标出生强度γt(xt)进行初始化,
    得到初始化后的出生目标强度为γini,t(xt),过程如下:
    2.1)依据t-1时刻所得目标状态值以及测量值
    将t-1时刻的测量值分为属于已跟踪目标的测量值Ztra,t-1和
    属于候选新生目标的测量值Zcnew,t-1:
    <mrow> <msubsup> <mi>z</mi> <mrow> <mi>t</mi> <mi>r</mi> <mi>a</mi> <mo>,</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>j</mi> </msubsup> <mo>=</mo> <mo>{</mo> <msubsup> <mi>z</mi> <mrow> <mi>t</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>j</mi> </msubsup> <mo>|</mo> <mo>||</mo> <mrow> <msubsup> <mi>l</mi> <mrow> <mi>z</mi> <mo>,</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>j</mi> </msubsup> <mo>-</mo> <msubsup> <mi>l</mi> <mrow> <mi>t</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>i</mi> </msubsup> </mrow> <mo>||</mo> <mo>&lt;</mo> <mfrac> <mn>1</mn> <mn>2</mn> </mfrac> <mo>||</mo> <msubsup> <mi>s</mi> <mrow> <mi>t</mi> <mo>-</mo> <mn>1</mn> </mrow> <mi>i</mi> </msubsup> <mo>||</mo> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
    Zcnew,t-1=Zt-1-Ztra,t-1 (3)
    其中,Ntra,t-1为Ztra,t-1中的测量值数目,在初始时刻,即t=0,所有
    的测量值均被认定为Zcnew,t-1,因为在此之前并无已跟踪目标;
    2.2)下一时刻t目标的出生强度可通过有限高斯混合模型进行初始化:

    其中,表示包括均值和协方差的第m个
    高斯元素参数集,M=Nm,t-1-Ntra,t-1为Zcnew,t-1中的测量值数目,θ={π1,…,πM,θ1,…,θM}表示
    γini,t(xt)中的所有高斯元素参数集,πm为第m个高斯元素的权重并满足式(5)的约束:
    <mrow> <msubsup> <mi>&Sigma;</mi> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </msubsup> <msub> <mi>&pi;</mi> <mi>m</mi> </msub> <mo>=</mo> <mn>1</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
    3)基于香农熵分布的目标出生强度更新,过程如下:
    3.1)利用Zb,t对θ进行迭代更新,由此得Zb,t在式(4)所示有限高斯混合模型下的对数似
    然为:
    <mrow> <mi>log</mi> <mi> </mi> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>Z</mi> <mrow> <mi>b</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> <mo>|</mo> <mi>&theta;</mi> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mrow> <mi>b</mi> <mi>m</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> </msubsup> <msubsup> <mi>log&Sigma;</mi> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </msubsup> <msub> <mi>&pi;</mi> <mi>m</mi> </msub> <mi>g</mi> <mrow> <mo>(</mo> <msubsup> <mi>z</mi> <mrow> <mi>b</mi> <mo>,</mo> <mi>t</mi> </mrow> <mi>i</mi> </msubsup> <mo>|</mo> <msub> <mi>&theta;</mi> <mi>m</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
    其中表示单目标似然函数;
    为了滤除θ中与Zb,t无关的噪声分量,选取仅与权值πm有关的负指数熵分布作为θ的先验
    分布:
    p(θ)=exp{-H(πm)} (7)
    其中,为熵分布,选取负指数熵分布作为θ的先验分布,迭代更
    新过程中那些与出生测量值无关的出生强度元素的权值将急剧变小,当某个元素的权值为
    负数时,此元素被认定为噪声分量而予以滤除;
    3.2)利用最大后验准则对θ中的权值πm进行估计:
    <mrow> <mover> <mi>&theta;</mi> <mo>^</mo> </mover> <mo>=</mo> <mi>arg</mi> <munder> <mi>max</mi> <mi>&theta;</mi> </munder> <mo>{</mo> <mi>log</mi> <mi> </mi> <mi>p</mi> <mrow> <mo>(</mo> <msub> <mi>Z</mi> <mrow> <mi>b</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> <mo>|</mo> <mi>&theta;</mi> <mo>)</mo> </mrow> <mo>+</mo> <mi>log</mi> <mi> </mi> <mi>p</mi> <mrow> <mo>(</mo> <mi>&theta;</mi> <mo>)</mo> </mrow> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>
    令θ后验概率的对数关于权值πm的导数为零,同时引入式(5)所示权值πm的约束条件,
    得:
    <mrow> <mfrac> <mo>&part;</mo> <mrow> <mo>&part;</mo> <msub> <mi>&pi;</mi> <mi>m</mi> </msub> </mrow> </mfrac> <mrow> <mo>(</mo> <mi>log</mi> <mi> </mi> <mi>p</mi> <mo>(</mo> <mrow> <msub> <mi>Z</mi> <mrow> <mi>b</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> <mo>|</mo> <mi>&theta;</mi> </mrow> <mo>)</mo> <mo>+</mo> <mi>log</mi> <mi> </mi> <mi>p</mi> <mo>(</mo> <mi>&theta;</mi> <mo>)</mo> <mo>+</mo> <mi>&lambda;</mi> <mo>(</mo> <mrow> <msubsup> <mi>&Sigma;</mi> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </msubsup> <msub> <mi>&pi;</mi> <mi>m</mi> </msub> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> </mrow>
    其中λ为拉格朗日乘子,将式(6)和(7)代入式(9):
    <mrow> <msubsup> <mi>&Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mrow> <mi>b</mi> <mi>m</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> </msubsup> <msub> <mi>W</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <msubsup> <mi>z</mi> <mrow> <mi>b</mi> <mo>,</mo> <mi>t</mi> </mrow> <mi>i</mi> </msubsup> <mo>)</mo> </mrow> <mo>/</mo> <msub> <mi>&pi;</mi> <mi>m</mi> </msub> <mo>+</mo> <msub> <mi>log&pi;</mi> <mi>m</mi> </msub> <mo>+</mo> <mi>&lambda;</mi> <mo>+</mo> <mn>1</mn> <mo>=</mo> <mn>0</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>10</mn> <mo>)</mo> </mrow> </mrow>
    其中,表征测量集中第i个测量值隶属于θ中第m个高斯元
    素的概率,式(10)两边同乘πm,并对M个高斯元素权值πm进行求和,由此得:
    <mrow> <mi>&lambda;</mi> <mo>=</mo> <mo>-</mo> <msub> <mi>N</mi> <mrow> <mi>b</mi> <mi>m</mi> <mo>,</mo> <mi>t</mi> </mrow> </msub> <mo>-</mo> <mn>1</mn> <mo>-</mo> <msubsup> <mi>&Sigma;</mi> <mrow> <mi>m</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </msubsup> <msub> <mi>&pi;</mi> <mi>m</mi> </msub> <msub> <mi>log&pi;</mi> <mi>m</mi> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>11</mn> <mo>)</mo> </mrow> </mrow>
    给定权值的值,即通过式(11)求得λ,将λ回代入式(10)有:
    Nm+πmlogπm+πm(λ+1)=0 (12)
    其中采用泰勒展开式对logπm在πm=1处进行一阶展开:logπm≈πm-
    1,将此逼近值代入式(12),得πm的MAP估计值:
    <mrow> <msub> <mi>&pi;</mi> <mi>m</mi> </msub> <mo>=</mo> <mo>-</mo> <mfrac> <mi>&lambda;</mi> <mn>2</mn> </mfrac> <mo>&PlusMinus;</mo> <msqrt> <mrow> <mfrac> <msup> <mi>&lambda;</mi> <mn>2</mn> </msup> <mn>4</mn> </mfrac> <mo>-</mo> <msub> <mi>N</mi> <mi>m</mi> </msub> </mrow> </msqrt> <mo>,</mo> <mrow> <mo>(</mo> <mn>0</mn> <mo>&lt;</mo> <msub> <mi>&pi;</mi> <mi>m</mi> </msub> <mo>&lt;</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>13</mn> <mo>)</mo> </mrow> </mrow>
    3.3)λ和πm的值不断迭代更新,每次迭代更新后,θ中那些权值为负数的元素即被认为是
    噪声而予以滤除;在下一次迭代开始前,必须对θ中存留元素的权值进行规范化,当相邻两
    次迭代的后验概率对数值的差值小于给定的阈值τ2,则迭代终止,θ估计更新完毕;
    4)基于覆盖率的目标出生强度更新,过程如下:
    4.1)覆盖率由两部分组成:相交率和变化率,针对θ中的每个高斯元素θm,定义相交率
    和变化率为:
    <mrow> <msubsup> <mi>I</mi> <mrow> <mi>r</mi> <mo>,</mo> <mi>t</mi> </mrow> <mi>m</mi> </msubsup> <mo>=</mo> <mi>S</mi> <mrow> <mo>(</mo> <msub> <mi>&theta;</mi> <mi>m</mi> </msub> <mo>&cap;</mo> <msubsup> <mi>z</mi> <mrow> <mi>b</mi> <mo>,</mo> <mi>t</mi> </mrow> <mi>i</mi> </msubsup> <mo>)</mo> </mrow> <mo>/</mo> <mi>S</mi> <mrow> <mo>(</mo> <msub> <mi>&theta;</mi> <mi>m</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>14</mn> <mo>)</mo> </mrow> </mrow>
    <mrow> <msubsup> <mi>A</mi> <mrow> <mi>r</mi> <mo>,</mo> <mi>t</mi> </mrow> <mi>m</mi> </msubsup> <mo>=</mo> <mi>S</mi> <mrow> <mo>(</mo> <msubsup> <mi>z</mi> <mrow> <mi>b</mi> <mo>,</mo> <mi>t</mi> </mrow> <mi>i</mi> </msubsup> <mo>)</mo> </mrow> <mo>/</mo> <mi>S</mi> <mrow> <mo>(</mo> <msub> <mi>&theta;</mi> <mi>m</mi> </msub> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>15</mn> <mo>)</mo> </mrow> </mrow>
    其中,S(·)为面积计算函数,表示第m个高斯元素及与其最近邻的那个出生测
    量值间的交集,当且仅当某个元素的相交率接近于1同时变化率大于1,此元素才被认
    定为新生目标,反之,则被认定为噪声;因此,为了区别新生目标和噪声,θ中元素的权值πm
    更新为:
    <mrow> <msub> <mi>&pi;</mi> <mi>m</mi> </msub> <mo>=</mo> <msub> <mi>&pi;</mi> <mi>m</mi> </msub> <mo>&CenterDot;</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>exp</mi> <mo>(</mo> <mfrac> <mrow> <mo>-</mo> <msup> <mrow> <mo>(</mo> <msubsup> <mi>I</mi> <mrow> <mi>r</mi> <mo>,</mo> <mi>t</mi> </mrow> <mi>m</mi> </msubsup> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mrow> <mn>2</mn> <msup> <mi>&sigma;</mi> <mn>2</mn> </msup> </mrow> </mfrac> <mo>)</mo> <mo>)</mo> </mrow> <mo>&CenterDot;</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>exp</mi> <mo>(</mo> <mfrac> <mrow> <mo>-</mo> <msup> <mrow> <mo>(</mo> <msubsup> <mi>A</mi> <mrow> <mi>r</mi> <mo>,</mo> <mi>t</mi> </mrow> <mi>m</mi> </msubsup> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mrow> <mn>2</mn> <msup> <mi>&sigma;</mi> <mn>2</mn> </msup> </mrow> </mfrac> <mo>)</mo> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>16</mn> <mo>)</mo> </mrow> </mrow>
    其中,σ为标准偏差,用以控制分布的宽度;一旦某个元素的权值低于给定的阈值τ3,此
    元素即被认定为噪声而滤除;
    4.2)当所有元素的权值都更新完毕后,对存留元素的权值进行规范化,从而获得出生
    强度的最终参数集θ。
    2.如权利要求1一种基于香农熵分布和覆盖率的新生目标出生强度估计方法,其特征
    在于:所述估计方法还包括如下步骤:5)利用GM-PHD滤波器,结合目标出生强度估计,更新
    当前帧所有目标的状态值。

    关 键 词:
    一种 基于 香农 分布 覆盖率 新生 目标 出生 强度 估计 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:一种基于香农熵分布和覆盖率的新生目标出生强度估计方法.pdf
    链接地址://www.4mum.com.cn/p-6093019.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03