論文の概要: Nonparametric Spatio-Temporal Joint Probabilistic Data Association
Coupled Filter and Interfering Extended Target Tracking
- arxiv url: http://arxiv.org/abs/2311.16106v1
- Date: Tue, 22 Aug 2023 13:39:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 15:22:20.800777
- Title: Nonparametric Spatio-Temporal Joint Probabilistic Data Association
Coupled Filter and Interfering Extended Target Tracking
- Title（参考訳）: 非パラメトリック時空間連成確率データアソシエーション結合フィルタと拡張ターゲット追跡の干渉
- Authors: Behzad Akbari, Haibin Zhu, Ya-Jun Pan, and R.Tharmarasa
- Abstract要約: 拡張された目標追跡は、空間と時間における目標の遠心率と形状を推定する。
拡張目標追跡が適用可能なさまざまな状況において、複数のターゲットの存在が干渉を引き起こす可能性がある。
JPDACFのバリエーションは、拡張ターゲットの問題に対処するために開発された。
- 参考スコア（独自算出の注目度）: 5.485511147274347
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Extended target tracking estimates the centroid and shape of the target in
space and time. In various situations where extended target tracking is
applicable, the presence of multiple targets can lead to interference,
particularly when they maneuver behind one another in a sensor like a camera.
Nonetheless, when dealing with multiple extended targets, there's a tendency
for them to share similar shapes within a group, which can enhance their
detectability. For instance, the coordinated movement of a cluster of aerial
vehicles might cause radar misdetections during their convergence or
divergence. Similarly, in the context of a self-driving car, lane markings
might split or converge, resulting in inaccurate lane tracking detections. A
well-known joint probabilistic data association coupled (JPDAC) filter can
address this problem in only a single-point target tracking. A variation of
JPDACF was developed by introducing a nonparametric Spatio-Temporal Joint
Probabilistic Data Association Coupled Filter (ST-JPDACF) to address the
problem for extended targets. Using different kernel functions, we manage the
dependency of measurements in space (inside a frame) and time (between frames).
Kernel functions are able to be learned using a limited number of training
data. This extension can be used for tracking the shape and dynamics of
nonparametric dependent extended targets in clutter when targets share
measurements. The proposed algorithm was compared with other well-known
supervised methods in the interfering case and achieved promising results.
- Abstract（参考訳）: 拡張された目標追跡は、空間と時間における目標の遠心率と形状を推定する。
拡張目標追跡が適用可能なさまざまな状況において、複数のターゲットの存在は、特にカメラのようなセンサーで互いに後方で操作する場合、干渉を引き起こす可能性がある。
それでも、複数の拡張ターゲットを扱う場合、グループ内で同様の形状を共有する傾向があるため、検出性が向上する可能性がある。
例えば、航空機の群れの協調移動は、その収束または分岐の間にレーダーの誤検出を引き起こす可能性がある。
同様に、自動運転車の文脈では、車線標識は分割または収束し、不正確な車線追跡を検出する。
有名なジョイント確率データアソシエーション結合(jpdac)フィルタは、単一点のターゲットトラッキングだけでこの問題に対処できる。
非パラメトリックな時空間連成確率データアソシエーション結合フィルタ (ST-JPDACF) を導入することで, JPDACFの変種を開発した。
異なるカーネル関数を用いて、空間(フレーム内)と時間(フレーム間)における測定の依存性を管理する。
カーネル関数は限られた数のトレーニングデータを使って学習することができる。
この拡張は、ターゲットが測定を共有するときに、クラッタ内の非パラメトリック依存拡張ターゲットの形状とダイナミクスを追跡するために使用できる。
提案手法は, 干渉法において他のよく知られた教師付き手法と比較し, 有望な結果を得た。
関連論文リスト
- STCMOT: Spatio-Temporal Cohesion Learning for UAV-Based Multiple Object Tracking [13.269416985959404]
無人航空機(UAV)ビデオにおける複数物体追跡(MOT)は、コンピュータビジョンにおける多様な用途において重要である。
時空間結合型多目的追跡フレームワーク(STCMOT)を提案する。
歴史的埋め込み機能を用いて,ReIDの表現と検出機能を逐次的にモデル化する。
我々のフレームワークはMOTAとIDF1メトリクスで新しい最先端のパフォーマンスを設定します。
論文 参考訳（メタデータ） (2024-09-17T14:34:18Z) - Convolutional Unscented Kalman Filter for Multi-Object Tracking with Outliers [17.38485814970625]
マルチオブジェクトトラッキング(MOT)は、自律運転におけるナビゲーションに不可欠な技術である。
近年, トラッキング手法は, 外乱を観測するフィルタリングアルゴリズムに基づいており, トラッキング精度の低下や, オブジェクトの軌跡の喪失さえも生じている。
我々は,ConvUKFが外れ値の存在下で有界な追跡誤差を持つことを示す。
論文 参考訳（メタデータ） (2024-06-03T14:42:38Z) - Ego-Motion Aware Target Prediction Module for Robust Multi-Object Tracking [2.7898966850590625]
我々は、Ego-motion Aware Target Prediction (EMAP)と呼ばれる新しいKFベースの予測モジュールを導入する。
提案手法は、カルマンフィルタを再構成することにより、物体軌道からのカメラ回転速度と翻訳速度の影響を分離する。
EMAPはOC-SORTとDeep OC-SORTのIDSWをそれぞれ73%と21%減少させる。
論文 参考訳（メタデータ） (2024-04-03T23:24:25Z) - RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。
具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。
我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
論文 参考訳（メタデータ） (2024-03-28T08:54:40Z) - Multi-Ship Tracking by Robust Similarity metric [10.882525351991875]
マルチシップ追跡(MST)は、海上での状況認識と自律船の航法システム開発に応用されることが証明されている。
歩行者や車両のデータセットに対するマルチオブジェクト追跡(MOT)アルゴリズムによって達成された驚くべき追跡結果にもかかわらず、これらのモデルとテクニックは、船舶のデータセットに適用した場合、パフォーマンスが劣っている。
本稿では,予測ボックスと検出ボックスの両方を囲む最小の凸形状を組み込むことで,IoUの弱点に対処する。
論文 参考訳（メタデータ） (2023-10-08T14:05:10Z) - SparseTrack: Multi-Object Tracking by Performing Scene Decomposition
based on Pseudo-Depth [84.64121608109087]
2次元画像から目標の相対的な深さを求めるための擬似深度推定法を提案する。
次に,得られた深度情報を用いて,高密度なターゲットセットを複数のスパースなターゲットサブセットに変換するディープカスケードマッチング(DCM)アルゴリズムを設計する。
擬似深度法とDCM戦略をデータアソシエーションプロセスに統合することにより、SparseTrackと呼ばれる新しいトラッカーを提案する。
論文 参考訳（メタデータ） (2023-06-08T14:36:10Z) - Multi-Object Tracking by Iteratively Associating Detections with Uniform
Appearance for Trawl-Based Fishing Bycatch Monitoring [22.228127377617028]
漁業活動における漁獲監視の目的は、映像から魚の標的をリアルタイムで検出し、追跡し、分類することである。
本稿では,既存の観測中心追跡アルゴリズムに基づく新しいMOT手法を提案する。
本手法は,海洋魚種群およびMOT17種群において,一様外観の追跡目標の性能向上と最先端技術の向上を図っている。
論文 参考訳（メタデータ） (2023-04-10T18:55:10Z) - Adaptive Affinity for Associations in Multi-Target Multi-Camera Tracking [53.668757725179056]
本稿では,MTMCTにおけるアフィニティ推定を対応する対応範囲に適応させるための,単純かつ効果的な手法を提案する。
すべての外見の変化に対処する代わりに、データアソシエーション中に出現する可能性のあるものに特化したアフィニティメトリックを調整します。
ミスマッチを最小限に抑えるため、アダプティブアフィニティモジュールはグローバルなre-ID距離を大幅に改善する。
論文 参考訳（メタデータ） (2021-12-14T18:59:11Z) - Online Multiple Object Tracking with Cross-Task Synergy [120.70085565030628]
位置予測と埋め込み結合の相乗効果を考慮した新しい統一モデルを提案する。
この2つのタスクは、時間認識対象の注意と注意の注意、およびアイデンティティ認識メモリ集約モデルによってリンクされる。
論文 参考訳（メタデータ） (2021-04-01T10:19:40Z) - SoDA: Multi-Object Tracking with Soft Data Association [75.39833486073597]
マルチオブジェクトトラッキング(MOT)は、自動運転車の安全な配備の前提条件である。
観測対象間の依存関係をエンコードするトラック埋め込みの計算に注目するMOTに対する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2020-08-18T03:40:25Z) - Tracking Road Users using Constraint Programming [79.32806233778511]
本稿では,マルチオブジェクトトラッキング(MOT)問題のトラッキング・バイ・検出パラダイムに見られるデータアソシエーションフェーズに対する制約プログラミング(CP)アプローチを提案する。
提案手法は車両追跡データを用いてテストし,UA-DETRACベンチマークの上位手法よりも優れた結果を得た。
論文 参考訳（メタデータ） (2020-03-10T00:04:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。