资源简介

(共21张PPT)
单击此处添加副标题内容
第13课
数据有关联
汇报人姓名
CONTENTS
目录
最近邻算法的关联算法
01
联合概率数据关联
02
概率数据关联算法
03
作业布置
04
总结回顾
05
最近邻算法的关联算法
01
最近邻算法
最近邻算法（Nearest Neighbor Algorithm）是最常见的数据关联算法之一，基于距离度量（如欧氏距离、马氏距离等），将当前帧中的目标与先前帧中的已跟踪目标进行匹配。距离度量：欧式距离
最近邻算法的关联算法：
依次关联相当于计算前一帧检测框和当前帧所有检测框的距离，距离近的就关联上。最近邻算法通常选择距离最小的目标作为匹配对象。近邻算法是最简单的数据关联技术，通过设定阈值来聚类最相近的一组值。但是近邻算法在密集环境中性能较差，人挤人的情况下框的距离将会差不多，容易关联错误。
全局最近邻算法：
最近邻算法存在多个目标关联到同一个测量结果的情况，即有的测量结果对于多个目标来说都是它们最近关联。全局最近邻计算所有可能的关联情况，选用总距离或者说总概率最大的关联方式，从而避免了上述情况的发生。
概率数据关联算法
02
概率数据关联算法
概率数据关联为一个目标的一次有效测量的的每一个可能性设置一个关联概率。有效测量定义为观测值在当前时刻处于目标的有效门限内。在概率数据关联算法中，目标的状态估计是由在所有情形下预测状态的加权和得到的。算法能够将一个特定目标的不同测量值关联起来。
因此，关联对于一个目标的不同测量结果能够更好地估计目标的状态。概率数据关联算法（Probabilistic Data Association Algorithm，简称PDA）通过考虑多个观测对应于同一目标的概率，以概率的形式进行目标关联。它基于贝叶斯滤波的框架，将目标的状态估计表示为概率分布，通过观测来更新和修正目标状态的概率。
概率数据关算法的基本思想：
在每个时刻，对于每个传感器观测，计算其与每个已知目标的关联概率。然后，根据关联概率和每个目标的预测概率，对目标状态进行更新和修正。PDA算法还考虑了观测误差和目标运动的不确定性，以及观测与目标的关联可能性。
概率数据关算法的基本思想：
PDA算法在多目标跟踪中具有较好的性能，特别是在存在目标遮挡、观测噪声和数据关联不确定性的复杂场景中。它可以提供目标状态的概率估计，对不确定性进行建模，并能够处理观测缺失和错误关联的情况。\n\n需要注意的是，PDA算法的计算复杂度较高，尤其在目标数量较多和观测空间较大的情况下。
联合概率数据关联
03
联合概率数据关联
联合概率数据关联是一种非最优的，在密集环境中跟踪多目标的方法。联合概率数据关联与概率数据关联相似，但是联合概率数据关联的关联概率是由所有目标的所有观测值计算得到。因此，联合概率数据关联考综合考虑了多个可能并进行了组合。
联合概率数据关联有以下约束：
一个测量值只能来自一个目标；两个测量值在同一时刻不可能来自同一个目标；同一个目标的测量概率之和为1。
联合概率数据关联有以下缺点：
需要一个明确的机制来进行轨迹的初始化，和概率数据关联一样，联合概率数据关联不能新建或移除观测区域之外的轨迹。联合概率数据关联在处理多目标时计算量很大因为假设的数量随目标的数量指数增长。
总结回顾
04
总结回顾
通过今天的学习有哪些收获？请分享一下。
作业布置
05
练习1
通过“社团安排表”和以下内容帮王林找到上课时间和地点。
练习2
感谢聆听

展开更多......

收起↑