一种多目标自动跟踪的逻辑关联方法

多目标跟踪

多目标跟踪的基本理论 所谓多目标跟踪，就是为了维持对多个目标当前状态的估计而对所接收到的量测信息进行处理的过程。 目标模型不确定性 是指目标在未知的时间段内可能作己知的或未知的机动。一般情况下，目标的 非机动方式及目标发生机动时的不同的机动形式都可以通过不同的数学模型来加 以描述。在进行目标跟踪过程中，采用不正确的目标运动模型会导致跟踪系统跟踪 性能的严重下降。因而在目标跟踪过程中，运动模型采用的正确与否对目标的跟踪 性能是至关重要的。 观测不确定性 是指由传感器系统提供的量测数据可能是外部的干扰数据，它有可能是由杂波、虚警和相邻的目标所引起的，也可能是由被跟踪目标的对抗系统所主动发出来的虚假信息。这种不确定性在本质上显然是离散的，给目标跟踪问题提出了极大的挑战，相应地也就产生了数据关联的问题。 数据关联 数据关联的作用主要有：航迹保持、航迹建立和航迹终结。 数据关联算法主要有：“最近邻”方法，“全邻”最优滤波器方法、概率数据关联滤波器方法、多模型方法、相互作用多模型一概率数据关联滤波器方法、联合概率数据关联滤波器方法、多假设方法、航迹分裂方法。 1.“最近邻”方法的思想是：在落入跟踪波门中的所有量测中，离目标跟踪预测位置最近的量测认为是有效量测。“最近邻”方法的好处是算法最简单，但是精度差，抗杂波干扰的能力差。“最近邻”方法因为简单，算法易实现，因此也是目前广泛采用的一种数据关联算法． 2 .“全邻”最优滤波器 Singer,Sea和Housewright发展了一类“全邻”滤波器，这种滤波器不仅考虑了所有候选回波（空间累积信息），而且考虑了跟踪历史，即多扫描相关（时间累积信息）假定多余回波互不相关并且均匀分布于跟踪门内，则任何跟踪门的体积V内多余回波的数目Cx服从均值为βV的泊松分布。假定在K-1时刻，轨迹a′正确的概率为Pa(k-1)。关键问题是计算k时刻轨迹的正确概率Pa(k)。

第十七章 多目标决策法

第十七章多目标决策法 基本内容 一、多目标决策概述 多目标决策:统计决策中的目标通常不会只有一个，而是有多个目标，具有多个目标的决策问题的决策即称为多目标决策。多目标决策的方法有多属性效用理论、字典序数法、多目标规划、层次分析、优劣系数法、模糊决策法等。 多目标决策的特点： 1、目标之间的不可公度性，即众多目标之间没有一个统一标准。 2、目标之间的矛盾性。某一目标的完善往往会损害其他目标的实现。 常用的多目标决策的目标体系分类：单层目标体系；树形多层目标体系；非树形多层目标体系。 多目标决策遵循的原则： 1、在满足决策需要的前提下，尽量减少目标个数。 2、分析各目标重要性大小，分别赋予不同权数。 二、层次分析法 层次分析法，简称AHP法，是用于处理有限个方案的多目标决策方法。 （一）层次分析的基本原理 层次分析法的基本思想：是把复杂问题分解为若干层次，在最低层次通过两两对比得出各因素的权重，通过由低到高的层层分析计算，最后计算出各方案对总目标的权数，权数最大的方案即为最优方案。 层次分析法的基本假设：层次之间存在递进结构，即从高到低或从低到高递进。 （二）层次分析法的步骤 1、明确问题，搞清楚涉及的因素以及因素相互之间的关系。 2、建立层次结构模型。将决策问题层次化，划分为总目标层、分目标层和方案层。 2、通过对各层元素的重要性进行两两比较，构造判断矩阵。 3、由各层判断矩阵确定各层权重。用特征向量法中的和积法求解判断矩阵的最大特征值和归一化后的特征向量。 4、对各层判断矩阵的一致性进行检验。一致性检验通过后，按归一化处理过的特征向量作为某一层次对上一层次某因素相对重要的排序加权值。否则，对判断矩阵进行调整。

基于改进Camshift算法的多目标自适应跟踪

70 第31卷 第12期 湖南科技学院学报 V ol.31 No.12 2010年12月 Journal of Hunan University of Science and Engineering Dec.2010 基于改进Camshift 算法的多目标自适应跟踪 曲巨宝 (武夷学院 数学与计算机系，福建 武夷山 354300) 摘 要：针对多目标跟踪中常因目标间遮挡、融合、分离等导致跟踪失败，提出了用动态背景建模技术和RGB 三通道色差法获取目标群组，然后利用Kalman 滤波器预测运动目标初始参量，再用改进的Camshift 算法逐步迭代逼近各个目标精确位置，实现了对多目标的自适应跟踪。经大量实验证明，本算法目标识别能力强，抗噪声性能好，跟踪速度快。 关键词：Camshift ；多目标跟踪；自适应；kalman 中图分类号：TP393 文献标识码：A 文章编号：1673-2219（2010）12-0070-03 运动目标的检测、跟踪是计算机视觉研究的重要内容，被广泛用于智能视觉监控、视频检索等领域。由于运动视频受光线、目标动态变化影响使目标检测和跟踪变得非常困难，尤其对多个运动目标进行同时跟踪，目标间发生遮挡、融合、分离导致跟踪变得异常艰难。文献 [1]提出了基于MeanShift 的多目标粒子滤波跟踪算法设计，但MeanShift 算法不但对抗遮挡能力比较差，而且不具有搜索窗自适应功能；文献[2] 提出用水平集法对多运动目标进行分割；文献[3] 提出用多个摄像机构建系统来处理多个运动目标相互遮挡的问题，但这种系统造价较高且算法复杂，实时性差；本文在研究了多运动目标的颜色特征、运动规律后，使用背景差分法建立动态背景模型，将当前帧同背景帧做差分获得运动目标，通过Kalman 滤波方法对各目标在下一帧的初始位置进行预测后，再调用Camshift 逐次逼近各个目标的精确位置，经实际应用取得了较好的效果。 1 动态背景模型 利用背景差分法建立动态背景模型，以帧间差分法为基础，通过当前帧帧差分的二值图像找到运动区域，对运动区域内的背景保持不变，而非运动区域的背景则用当前帧进行更新，经过一定次数的迭代便可提取出背景。其步骤如下: (1)将序列图像的第一帧图像I 0作为初始背景图像。 (2)计算当前帧k 的帧间差分二值图像BW k ： ???? ?≤?=?otherwise I I BW k k k k 1 ||01τ (1) 其中,I k , I k-1分别为当前帧和上一帧图像，k τ是判断第k 帧是否有变化的阀值(实验中取25) (3)利用二值图像BW k 更新背景B k ： ???????+?==?otherwise B I BW if B B k k k k k 1)1(1αα (2) 其中α为更新系数，取0.2 (4)k=k+1返回到步骤(3)，进行迭代，经过一定次数的迭代后停止迭代，并将此时的Bk 作为背景图像B0 收稿日期：2010－09－20 资助项目：福建省教育厅科技项目（JA09240）、武夷学院智能计算网格科研团队（2009） 作者简介：曲巨宝(1963－)，男，吉林乾安人，副教授，硕士，研究方向为计算机视觉、图形图像、人工智能。

决策理论和方法习题

<决策理论和方法>习题 第一章概论 一、什么是决策? 什么是决策分析? 决策问题的特点是什么? 决策问题有哪些要素? 二、用决策树表示下列问题: 1. 火灾保险 2. 易腐品进货问题 3. 油井钻探问题: 某公司拥有一块可能有油的土地, 该公司可以自己钻井,也可 以出租给其它公司开采; 若出租土地,租约有两种形式,①无条件出租,租金45万元②有条件出租,租金依产量而定: 产量在20万桶或以上时,每桶提成5元; 产量不足20万桶时不收租金. 设钻井费用为75万元,有油时需另加采油设备费25万元,油价为15元/桶.(为了简化,可以将油井产量离散化,分为4种状态: 无油,产油5万桶, 产油20万桶, 产油50万桶) 三、* 设油井钻探问题如下: 每次钻井费用10万元,有油时售油收入100万元,有油 的概率为0.2, 无油的概率为0.8.问无油时该继续钻井否? 若该, 钻几次仍无油时停止钻井? 第二章主观概率和先验分布(Subjective Probability & Prior Distribution) 一、为什么要引入主观概率? 试比较主、客观概率的异同. 如何设定先验分布? 二、1. 阅读<决策分析> §6.3.4 2. 两人一组,一人充当决策人, 一人充当决策分析人, 就来年国民经济增长率 的先验分布进行对话,并画出对话所得的图形曲线. 互换角色, 就就来年通 涨率的先验分布进行对话. 三、设某个决策人认为产品售出400件的可能性是售出800件的可能性的1/3, 是售 出1200件的可能性的1/2, 与售出1600件的可能性相同, 售出800件的可能性售出1200件的可能性的两倍, 是售出1600件的可能性的3倍; 售出1200件的可能性比售出1600件的可能性的大2倍. 求该决策人关于产品销售量的主观概

多目标决策方法

多目标决策方法 一．多目标决策方法简介 1．多目标决策问题及特点 （１） 案例 个人：购物；买房；择业．．．．．． 集体或社会：商场，医院选址；水库高度选择．．．．．． （２） 要素 行动方案集合X;目标和属性；偏好结构和决策规则 （3） 多目标决策有如下几个特点： 决策问题追求的优化目标多于一个；目标之间的不可公度性：指标量纲的不一致性； 目标之间的矛盾性； 定性指标与定量指标相混合：有些指标是明确的,可以定量表示出来,如：价格、时间、产量、成本、投资等。有些指标是模糊的、定性的,如人才选拔时候选人素质考察时往往会以：思想品德、学历、能力、工作作风、市场应变能力等个性指标作为决策依据。 2． 多目标决策问题的描述 )}(),(),({21x f x f x f DR n 0)(,0)(,0)(.21 x g x g x g T S p 决策空间：}0)({ x g x X i 目标空间 })({X x x f F 两个例子：

离散型；连续型 3．多目标决策问题的劣解与非劣解 非劣解的寻找连续型有时较难 4．多目标决策主要有以下几种方法： （１）化多为少法：化成只有二个或一个目标的问题； （２）直接求非劣解法：先求出一组非劣解，然后按事先确定好的评价标准从中找出一个满意的解。 （３）分层序列法：将所有目标按其重要性程度依次排序，先求出第一个最重要的目标的最优解，然后在保证前一目标最优解的前提下依次求下一目标的最优解，一直求到最后一个目标为止。（ （４）目标规划法：对于每一个目标都事先给定一个期望值，然后在满足系统一定约束条件下，找出与目标期望值最近的解。（５）重排序法：把原来的不好比较的非劣解通过其他办法使其排出优劣次序来。 （６）多属性效用法：各个目标均用表示效用程度大小的效用函数表示，通过效用函数构成多目标的综合效用函数，以此来评价各个可行方案的优劣。 （７）层次分析法：把目标体系结构予以展开，求得目标与决策方案的计量关系。 （８）多目标群决策和多目标模糊决策。 （９）字典序数法和多属性效用理论法等。

施工管理多准则决策模型实例分析

施工管理多准则决策模型实例分析 摘要本文概述了建筑施工项目管理中存在的决策问题。对施工中存在的主要管理问题进行了鉴定，并讨论了解决这些问题的可能性。施工管理决策模型是基于多准则管理方法建立的，并实际案例中进行应用。基于层次分析法与专家选择法原理编写程序，依据实例模型验证程序的可行性。 关键词施工管理；实例分析 引言 施工管理和技术是影响建筑业发展的两个关键因素。在过去的40年中，虽然一些新的和先进的技术已应用于建筑项目，但该行业的效率仍然很低。先前的研究人员认为数字技术能让项目组织形式更加快速、灵活。今天，移动硬件、云计算和集成软件正在被广泛应用于存储和检索、自动搜索、原型机制造和仿真模拟这些领域。项目管理的目标是完成一个可执行项目，项目需要在可接受的风险、质量、安全和安全级别范围内满足预算和工作进度的要求[1]。 1 施工管理存在的问题 选择合适的承包商是施工中最重要的任務之一。从当今市场上提供的大量申请人中选择合适的承包商对客户来说是一个复杂的问题。塞纳拉特纳和塞克斯顿强调，在信息时代，组织理论把解决问题当成一种信息处理活动。然而，在这个时代，随着以知识为基础的组织观念的实现，共同解决问题越来越被视为是知识创造的触发器[2]。 2 施工管理中的多准则决策模型 2.1 多准则方法和施工管理 多准则决策是指在存在多个标准的决策，而这些决策通常是冲突的。每一个不同的标准可能有不同的测量单位、质量特性和相对重量。使用低价中标法选择承包商的业主应意识到几种可能的后果。首先，竞标过程假定所有的公司（包括总承包商、分包商和材料供应商）投标成本低，这通常意味着这些投标者的详细设计和图纸成本很低。其次，对于不了解真实行业状况的从业者通常存在这样误解，即投标过程的专业化设计可以保证每个参加竞标的承包商每个承包商必须提供与其他投标人相同质量的竞标结果，其设计将会满足业主的最终期望。最后，值得一提的是，由于设计过程中并没有承包商实际的投入，最终的低投标金额指到设计完成和投标结束后是无法确切得知的。因此，业主和建筑师只能在设计阶段和投标阶段完成之后才能知道他们的项目是设计在预算内的，或在大多数情况下是超过预算。 2.2 多准则决策模型的建立

多目标决策方法20页word文档

多目标决策方法 一．多目标决策方法简介 1．多目标决策问题及特点 （１） 案例 个人：购物；买房；择业．．．．．． 集体或社会：商场，医院选址；水库高度选择．．．．．． （２） 要素 行动方案集合X;目标和属性；偏好结构和决策规则 （3） 多目标决策有如下几个特点： 决策问题追求的优化目标多于一个；目标之间的不可公度性：指标量纲的不一致性； 目标之间的矛盾性； 定性指标与定量指标相混合：有些指标是明确的,可以定量表示出来,如：价格、时间、产量、成本、投资等。有些指标是模糊的、定性的,如人才选拔时候选人素质考察时往往会以：思想品德、学历、能力、工作作风、市场应变能力等个性指标作为决策依据。 2． 多目标决策问题的描述 决策空间：}0)({≤=x g x X i 目标空间 })({X x x f F ∈= 两个例子： 离散型；连续型 3． 多目标决策问题的劣解与非劣解 非劣解的寻找连续型有时较难

4．多目标决策主要有以下几种方法： （１）化多为少法：化成只有二个或一个目标的问题； （２）直接求非劣解法：先求出一组非劣解，然后按事先确定好的评价标准从中找出一个满意的解。 （３）分层序列法：将所有目标按其重要性程度依次排序，先求出第一个最重要的目标的最优解，然后在保证前一目标最优解的前提下依次求下一目标的最优解，一直求到最后一个目标为止。（ （４）目标规划法：对于每一个目标都事先给定一个期望值，然后在满足系统一定约束条件下，找出与目标期望值最近的解。 （５）重排序法：把原来的不好比较的非劣解通过其他办法使其排出优劣次序来。 （６）多属性效用法：各个目标均用表示效用程度大小的效用函数表示，通过效用函数构成多目标的综合效用函数，以此来评价各个可行方案的优劣。 （７）层次分析法：把目标体系结构予以展开，求得目标与决策方案的计量关系。 （８）多目标群决策和多目标模糊决策。 （９）字典序数法和多属性效用理论法等。 二、几种常见方法简介及应用 1．加性加权法 （1）基本假设：1.属性描述用基数定量描述，且相互独立； 2.价值函数的形式是加性的。

多目标跟踪算法

多目标跟踪算法 先来回顾下卡尔曼滤波器： 假定k k x |表示当前k 时刻目标的状态，k 1k x |+表示下一个时刻目标的状态，k z 则表示k 时刻的实际观测。一般地模型都假定为线性的： 这里的1k x +为k+1时刻目标的状态，k x 为k 时刻的状态，为状态转移矩阵，而是服从均值为0方差为的正态分布，表示由噪声等引起的干扰。卡尔曼滤波采取初步估 计： 这里的估计只是初步的估计，状态估计与实际状态的误差矩阵等于状态1k x +的的方差，即： 更新（修正）： 这里已知了实际观察，同样是假定观测与状态的似然关系是线性的，即满足： 服从一个均值为0方差为 的正态分布。 卡尔曼滤波器给出了经过更新后得到的比较合理的k+1时刻的估计为： 相应地得到了更新后方差的估计： 这里： 其实这些都是通过最小二乘法推出来的，即使得误差： 最小，而初步估计也是通过最小二乘法获得，即使得： 最小。有了上述估计方程后，便可以获得一个估计流程：

下面再介绍下贝叶斯公式 先看一个定义 马氏链： 设{} ,,,k j i E =为有限集或可列集，称()0n n X ≥为定义在概率空间()P F,,Ω上，取值于空间E 的马氏链，如果满足下面的马氏性：对一切n 10i i i ,,, 有 [][]1n 1n n n 1n 1n 00n n i X i X P i X i X i X P ----======|,,| 若左边的条件概率有定义，则称[]i X j X P 1n n ==-|为在n-1时刻状态为i,在n 时刻在j 的转移概率函数，若它与n 无关，则记为ij p ，并称为时齐的或齐次的。显然这里的马氏性接近于独立性，在一定程度上可以称为无记忆性或无后效性。 下面我们来推导贝叶斯公式： 容易由条件概率公式定义知 而 ()()()()()()( ) ()() ()( ) ()() ( )() ()()() 1 k 1 k 1k k k 1 k k 1k k k 1k k 1k k k 1k k k k k 1k 1k 1k k k 1k k k k k 1k 1k 1k k k 1k 1k 1k k k 1k 1k 1k 1k 1k z x f dx x f x z f x f x z f z f dx x f x z f x z f z f x f x z f x z f dx z x f x z f z x f x z f x f +++++++++++++++++++++++== ? == ?? ?||||||||||||||||||||||||| 就得到了更新后的公式如下： 这里记 于是就可以得到贝叶斯滤波器跟踪流程如下： 实际上可以证明，卡尔曼滤波器是贝叶斯滤波器的一种特殊形式，由于假定噪声服从正态分布，同样地观测与状态估计的误差也是服从正态分布，那么不难得：

制高点多目标智能跟踪系统设计方案V20-副本

xxx校园制高点监控系统 及多目标智能跟踪系统方案设计 北京xxx数码科技有限公司2015年12月7日

目录 1 校园监控目前存在的问题 1 2 解决方案 1 3 系统整体设计 1 3.1 普通制高点监控系统 1 3.1.1 优势 1 3.1.2 不足 1 3.2 多目标智能追踪系统 2 3.2.1 系统概述 2 3.2.2 平安校园中的应用 2 3.2.3 系统组成 3 3.2.4 系统优势 3 3.2.5 功能特点 3 3.2.6 多目标智能跟踪系统设备性能及参数 5 3.2.7 智能多目标系统管理软件平台8 3.2.8 平台对接9 4 清单配置9 4.1 方案一配置9 4.2 方案二配置9

校园监控目前存在的问题 各高职院校的校园大门口社会人员嘈杂，犯罪事件频发，使用普通的枪机或球机拍得不全和拍不清细节，无法真正实现对上下学期间大门口场所的有效监管。 操场面积大，使用普通的枪机球机都很难实现全覆盖、无死角。即使覆盖了大部分场景，离监控点远的位置也拍不到细节。一旦发生意外事件，虽然监控设备有拍摄到，但看不清细节，对于事后取证毫无作用。 解决方案 针对此问题，我公司提供如下两套设计方案以供校方结合具体实际情况采纳。 第一套方案：采用在校园至高点配置全景摄像机的方式实现学校法范围重点部位的精确监控。 第二套方案：采用至高点多目标智能跟踪系统对学校的校门、主要路口、操场、运动场等主要区域进行布控、对校园的重点部位和重点区域进行主动化、智能化的实时监控，以实现对校园重点区域和场所进行高安全级别的监控和管控。 系统整体设计 普通制高点监控系统 大范围、远距离、高清晰监控校园，尤其适合夜晚从高处俯视校园某处。 可以实时从高处远距离监视和控制监控点的图像，在有紧急事件发生和举行重要活动时或者夜间有危险警情出现时可以作为指挥调度的辅助手段，协助有关校领导和安保部门完成紧急事件处理。同时可根据实际情况实现对相应设备、安保人员和事件处理的控制。 优势 校园楼栋的制高点安装2套300万30倍光学变焦、支持H.265的高清全景球机，后端配置8路网络视频录像机进行存储，并通过校园保安监控中心进行视频输出图像显示，从而实现学校大范围的精确制高点监控。 此种方案设备配置的优点是成本低，安装相对简单，效果也比较良好。 不足 仅能实现简单的学校大范围的精确制高点监控。其他更多的报警联动、智能跟踪等功能无法实现。若想实现重点区域或重点目标的特点拍摄、入侵报警、绊线报警及动静兼顾并获得清晰的图像和动态的智能跟踪功能，需要采用方案二即：多目标智能追踪系统。

多目标决策

单目标决策问题前三章已经进行了较为详细的探讨。从合理行为假设引出的效用函数，提供了对这 类问题进行合理分析的方法 和程序。 但在实际工作中所遇到的的决策分析问题， 却常常要考虑多个目标。 这些目标有的相互联系，有的相互制约，有的相互冲突，因而形成一种异常复杂的结构体系，使得决策 问题变得非常复杂。 总之，多目标决策问题正愈来愈多的受到人们的重视，尤其是在经济、管理、系统工程、控制论和 运筹学等领域中得到了更多 的研究和关注。 13.1基本概念 多目标决策和单目标决策的根本区别在于目标的数量。单目标决策，只要比较各待选方案的期望效 用值哪个最大即可，而多目 标问题就不如此简单了。 例13.1房屋设计 某单位计划建造一栋家属楼，在已经确定地址及总建筑面积的前提下，作出了三个设计方案，现要 求根据以下5个目标综合 选出最佳的设计方案： 低造价（每 平方米造价不低于 抗震性能 建造时间 结构合理 造型美观 这三个方案的具体评价表如下。 表13.1 三种房屋设计方案的目标值 具体目标 方案1 (A 1) 方案2 (A 2) 方案3 (A 3) 低造价（元/平方米） 500 700 600 抗震性能（里氏级） 6.5 5.5 6.5 建造时间（年） 2 1.5 1 结构合理（定性） 中 优 良 造型美观（定性） 良 优 中 由表中可见，可供选择的三个方案各有优缺点。某一个方案对其中一个目标来说是最优者，从另一 个目标角度来看就不见得是最优，可能是次优。比如从造价低这个具体目标出发，则方案 1较好；如从 合理美观的目标出发，方案 2就不错；但如果从牢固性看，显然方案 3最可靠等等。 1. 多目标决策问题的基本特点 例13.1就是一个多目标决策问题。类似的例子可以举出很多。多目标决策问题除了目标不至一个 这一明显的特点外，最显 着的有以下两点：目标间的不可公度性和目标间的矛盾性。 目标间的不可公度性 是指各个目标没有统一的度量标准，因而难以直接进行比较。例如房屋设计 问题中，造价的单位是元/平 方米，建造时间的单位是年，而结构、造型等则为定性指标。 500元，不高于 700元）； （抗震能力不低于里氏 5级不高于7级）； （越快越好）； （单元划分、生活设施及使用面积比例等） ； （评价越高越好） 1) 2) 3) 4) 5)

多目标跟踪方法研究综述

经过近４０多年的深入研究和发展，多目标跟踪技术在许多方面都有着广泛应用和发展前景，如军事视觉制导、机器人视觉导航、交通管 制、 医疗诊断等［１－２］。目前，虽然基于视频的多运动目标跟踪技术已取得了很大的成就，但由于视频中图像的变化和物体运动的复杂性，使得对多运动目标的检测与跟踪变得异常困难，如多目标在运动过程中互遮挡、监控场景的复杂性等问题，解决上述难题一直是该领域所面临的一个巨大挑战，因此，对视频中多目标跟踪技术研究仍然是近年来一个热门的研究课题［３－５］。 １、多目标跟踪的一般步骤 基于视频的多目标跟踪技术融合了图像处理、模式识别、人工智能、 自动控制以及计算机视觉等众多领域中的先进技术和核心思想。不同的多目标跟踪方法其实现步骤有一定的差异，但多目标跟踪的主要 流程是相同的，如图１所示，其主要包括图像预处理、 运动目标检测、多目标标记与分离、多目标跟踪四个步骤。 图１多目标跟踪基本流程图 ２、多目标跟踪方法 多目标跟踪方法可以根据处理图像或视频获取视点的多少分为两大类，一类是单视点的多目标跟踪，另一类就是多视点的多目标跟踪。 ２．１单视点的方法 单视点方法是针对单一相机获取的图像进行多目标的检测和跟踪。该方法好处在于简单且易于开发，但由于有限的视觉信息的获取，很难处理几个目标被遮挡的情况。 块跟踪（Ｂｌｏｂ－ｔｒａｃｋｉｎｇ）是一种流行的低成本的跟踪方法［６－７］。这种方法需要首先在每一帧中提取块，然后逐帧寻找相关联的块，从而实现跟 踪。 例如ＢｒａＭＢＬｅ系统［８］就是一个基于已知的背景模型和被跟踪的人的外表模型计算出块的似然性的多块跟踪器。这种方法最大的不足之处在于：当由于相似性或者遮挡，多个目标合并在一起时，跟踪将导致失败。因此，可以取而代之的方法是通过位置、外观和形状保留清晰目标的状态。文献［９］利用组合椭圆模拟人的形状，用颜色直方图模拟不同人的外观，用一个增强高斯分布模拟背景以便分割目标，一旦场景中发现对应于运动头部的像素，一个ＭＣＭＣ方法就被用于获取多个人的轮廓的最大后验概率，在单相机的多人跟踪应用中取得了非常有意义的结果。Ｏｋｕｍａ等人提出了一种将Ａｄａｂｏｏｓｔ算法和粒子滤波相结合的方法［１０］。该方法由于充分利用了两种方法的优点，相比于单独使用这两种方法本身，大大降低了跟踪失败的情形，同时也解决了在同一框架下检测和一致跟踪的问题。Ｂｒｏｓｔｏｗ等人提出了一个用于在人群中检测单个行人的特征点轨迹聚类的概率框架［１１］。这个框架有一个基本假设是一起运动的点对可能是同一个个体的一部分，并且把它用于检测和最终的跟踪。对于完全和部分遮挡目标以及外观变化，这些方法和另外一些相似的方法都有很大的局限性。 为了解决遮挡问题，一系列单视点跟踪技术应运而生。典型的方法 是利用块合并来检测遮挡的发生［１２］。当被跟踪的点消失， 跟踪特征点的方法就简单的将其作为一个被遮挡特征点。近年来，基于目标轮廓和外观的跟踪技术利用隐含的目标到相机的深度变化来表示和估计目标间的遮挡关系。但大多数方法都只能解决部分遮挡，不能解决完全被遮挡 的情况。 另外，小的一致运动被假设为是可以从遮挡视点中可以预测运动模式的，这些给没有预测运动的较长时间的遮挡的处理带来问题。尽管这些单视点的方法有较长的研究历史，但这些方法由于不能明锐的 观察目标的隐藏部分，因此不能很好地解决有２或３个目标的遮挡问题。 ２．２多视点的方法 随着复杂环境中对检测和跟踪多个被遮挡的人和计算他们的精确 位置的需要，多视点的方法成为研究的热点。 多视点跟踪技术的目的就是利用不同视点的冗余信息，减少被遮挡的区域，并提供目标和场景的３Ｄ信息。尽管通过相机不能很好地解决目标跟踪问题，但却提出了一些很好的想法，如选择最佳视点，但这些方法都以实际环境模型和相机校正为特征。 ９０年代后半期，在很多文献中给出了多视点相关的多目标跟踪方法。 比如利用一个或多个相机与观察区域相连的状态变化映射，同时给出一系列的行为规则去整合不同相机间的信息。利用颜色在多个视点中进行多目标的跟踪的方法，该方法模拟了从基于颜色直方图技术的 背景提取中获得的连接块并应用其去匹配和跟踪目标。 除此之外，也有在原来的单视点跟踪系统进行扩展的多视点跟踪方法。该方法主要是通过一个预测，当预测当前的相机不在有一个好的视点时，跟踪就从原来凯斯的那个单相机视点的跟踪转换到另外一个相机，从而实现多视点的跟踪。基于点与它对应的极线的欧氏距离的空间匹配方法、贝叶斯网络和立体相对合并的方法都是多目标多视点跟踪的常见方法。尽管这些方法都试图去解决遮挡问题，但由于遮挡的存在，基于特征的方法都不能根本解决，其次，这些方法中的遮挡关系的推理一般都是根据运动模型，卡尔曼滤波或者更普遍的马尔科夫模型的时间一致性来进行的。因此，当这个过程开始发散，这些方法也不能恢复遮挡关系。 最近一种基于几何结构融合多个视点信息的Ｈｏｍｅｇｒａｐｈｉｃｏｃｃｕｐａｎｃｙｃｏｎｓｒｒａｉｎｔ（ＨＯＣ）［１２］方法，可以通过在多场景平台对人的定位来解决遮挡问题。仅采用随时间变化的外表信息用于从背景中检测前景，这使得在拥挤人流的场景中的外表遮挡的解决更健壮。利用多视点中的前景信息，主要是试图找到被人遮挡的场景点的图像位置，然后这些被遮挡的信息用于解决场景中多个人的的遮挡和跟踪问题。在这种思想指导下，Ｍｉｔｔａｌ，Ｌｅｉｂｅ，Ｆｒａｎｃｏ等的研究工作和机器人导航中基于遮挡网格的距离传感器的并行工作是相似的，这些方法在融合３Ｄ空间信息的时候需要进行校正相机。但ＨＯＣ方法是完全基于图像的，仅需要２Ｄ结构信息进行图像平面的融合。当然也有另外一些不需要进行相机校正的算法被提出，但需要学习一个与相机最小相关的信息。在目标跟踪过程中，由于这些方法依赖于单个相机的场景，对于拥挤场景中目标分布密度增加九无能为力了。在ＨＯＣ的多视点的目标跟踪中，对于任何单一相机的场景，或者相机对的场景，都不需要进行定位和跟踪目标，而是从所有相机的场景中收集证据，形成一个统一的框架，由于该方法能够从多个时间帧的场景中进行场景被遮挡概率的全局轨迹优化，因此可以同时进行检测和跟踪。 ３、总结 动态目标检测与跟踪是智能监控系统的重要组成部分，它融合了图像处理、模式识别、自动控制及计算机应用等相关领域的先进技术和研究成果，是计算机视觉和图像编码研究领域的一个重要课题，在军事武器、工业监控、交通管理等领域都有广泛的应用。尤其是对于多目标检测与跟踪中的遮挡与被遮挡的处理，对提高智能监控中目标的行为分析有着重要的意义。随着监控设备的发展和设施的铺设，多视点的场景图像是很容易得到的，因此借助信息融合的思想，充分利用不同角度对目标的描述信息，可以很大地改进目前基于单视点的多目标检测和跟踪的精度，能够很好地解决单视点方法中不能很好解决的遮挡问题。参考文献 ［１］胡斌，何克忠．计算机视觉在室外移动机器人中的应用．自动化学报，２００６，３２（５）：７７４－７８４． ［２］Ａ．Ｏｔｔｌｉｋ，Ｈ．－Ｈ．Ｎａｇｅｌ．ＩｎｉｔｉａｌｉｚａｔｉｏｎｏｆＭｏｄｅｌ－ＢａｓｅｄＶｅｈｉｃｌｅＴｒａｃｋｉｎｇｉｎＶｉｄｅｏＳｅｑｕｅｎｃｅｓｏｆＩｎｎｅｒ－ＣｉｔｙＩｎｔｅｒｓｅｃｔｉｏｎｓ．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｅｒＶｉｓｉｏｎ，２００８，８０（２）：２１１－２２５．多目标跟踪方法研究综述 苏州联讯图创软件有限责任公司 陈宁强 ［摘要］文章对目前现有的多目标跟踪方法从信息获取的不同角度进行了综述。主要分析比较了目前单视点和多视点目标跟踪方 法对于目标遮挡问题的处理性能，并指出多视点的基于多源信息融合的思想，可以较好地解决场景中目标的遮挡问题。［关键词］单视点多视点目标跟踪信息融合基金项目：本文系江苏省自然科学基金（ＢＫ２００９５９３）。 作者简介：陈宁强（１９７３－），男，江苏苏州人，工程师，主要研究方向：ＧＩＳ、模式识别和图像处理与分析。 目标跟踪多目标标记与分离 匹配 目标模型 运动检测当前帧图像 背景提取 去噪 ＲＯＩ 预处理 视频序列 （下转第２６页）

多目标决策

第13章多目标决策 单目标决策问题前三章已经进行了较为详细的探讨。从合理行为假设引出的效用函数，提供了对这类问题进行合理分析的方法和程序。但在实际工作中所遇到的的决策分析问题，却常常要考虑多个目标。这些目标有的相互联系，有的相互制约，有的相互冲突，因而形成一种异常复杂的结构体系，使得决策问题变得非常复杂。 总之，多目标决策问题正愈来愈多的受到人们的重视，尤其是在经济、管理、系统工程、控制论和运筹学等领域中得到了更多的研究和关注。 13.1 基本概念 多目标决策和单目标决策的根本区别在于目标的数量。单目标决策，只要比较各待选方案的期望效用值哪个最大即可，而多目标问题就不如此简单了。 例房屋设计 某单位计划建造一栋家属楼，在已经确定地址及总建筑面积的前提下，作出了三个设计方案，现要求根据以下5个目标综合选出最佳的设计方案： 1）低造价（每平方米造价不低于500元，不高于700元）； 2）抗震性能（抗震能力不低于里氏5级不高于7级）； 3）建造时间（越快越好）； 4）结构合理（单元划分、生活设施及使用面积比例等）； 5）造型美观（评价越高越好） 这三个方案的具体评价表如下。 表三种房屋设计方案的目标值 具体目标方案1（A1）方案2（A2）方案3（A3） 低造价（元/平方米）500 700 600 抗震性能（里氏级） 建造时间（年） 2 1 结构合理（定性）中优良 造型美观（定性）良优中 由表中可见，可供选择的三个方案各有优缺点。某一个方案对其中一个目标来说是最优者，从另一个目标角度来看就不见得是最优，可能是次优。比如从造价低这个具体目标出发，则方案1较好；如从合理美观的目标出发，方案2就不错；但如果从牢固性看，显然方案3最可靠等等。 1．多目标决策问题的基本特点 例就是一个多目标决策问题。类似的例子可以举出很多。多目标决策问题除了目标不至一个这一明显的特点外，最显着的有以下两点：目标间的不可公度性和目标间的矛盾性。 目标间的不可公度性是指各个目标没有统一的度量标准，因而难以直接进行比较。例如房屋设计问题中，造价的单位是元/平方米，建造时间的单位是年，而结构、造型等则为定性指标。 目标间的矛盾性是指如果选择一种方案以改进某一目标的值，可能会使另一目标的值变坏。如房屋设计中造型、抗震性能的提高可能会使房屋建造成本提高。

一种用于智能空间的多目标跟踪室内定位系统_谷红亮

第30卷 第9期2007年9月 计 算 机 学 报 CH INESE JOURNA L OF COM PU TERS Vo l.30N o.9 Sept.2007 收稿日期:2005-11-12;修改稿收到日期:2007-01-21.本课题得到国家自然科学基金(60672066)和国家 八六三 高技术研究发展计划项目基金(2006AA01Z131)资助.谷红亮,男,1977年生,博士,讲师,研究方向为位置感知计算、嵌入式系统、分布式多媒体.E -mail:hlgu @https://www.360docs.net/doc/564452150.html,.史元春,女,1967年生,教授,博士生导师,研究领域为人机交互、分布式多媒体、普适计算.申瑞民,男,1967年生,教授,博士生导师,研究领域为E -Learning 网络教育技术、多媒体网络协同工作.陈 渝,男,1972年生,博士,讲师,研究方向为嵌入式系统、操作系统. 一种用于智能空间的多目标跟踪室内定位系统 谷红亮1) 史元春2) 申瑞民1) 陈 渝 2) 1)(上海交通大学网络教育学院 上海 200030) 2) (清华大学计算机科学与技术系 北京 100084) 摘 要 定位系统是智能空间位置感知计算的基础部件,它不仅要能较精确定位多目标,而且在方向性、可携带性等方面也要满足要求.文中设计了一种室内定位系统Cicada,该系统基于射频和超声波到达时间差来测量距离,并采用滑窗滤波和卡尔曼滤波的方法计算位置.实验表明它对静止和移动目标都能提供平均5cm 的定位精度,拥有全向型的工作区域,便于携带,具有较好的规模伸缩度以及易部署性,能较全面地满足智能空间定位的需求.关键词 普适计算;位置感知计算;定位系统;扩展卡尔曼滤波;滑窗滤波器中图法分类号T P 391 A Mult-i O bject Tracking Indoor Positioning System for Smart Space GU H ong -Liang 1) SH I Yuan -Chun 2) SH EN Ru-i M in 1) CH EN Yu 2) 1) (Ne tw ork Ed ucation Colleg e ,S hang hai Jiaoton g Univ er sity ,S hang hai 200030) 2) (Dep artment of Comp uter S cience and T echnolog y ,T singh ua Univ er sity ,B eij ing 100084) Abstract T he location sensing sy stem (also called po sitio ning system )is an underlying co mpo -nent for location -aw are computing in Smart Space,w hich not only dem ands the location sensing system to locate m ultiple o bjects w ith desirable precision,but also super im poses the require -m ents,such as dir ectio nal char acteristic and portability etc,on it.This paper presents an indoo r location sensing system,Cicada.This system is based on the T DoA (Time Difference of Arr iv al)betw een radiofrequency and ultraso und to estimate distance,and em plo ys a technolog y integ ra -ting Slide Window Filter and Ex tended Kalman Filter to calculate location.As the ex periments pro ve,Cicada can pro vide the average 5cm location precision both for static objects and for mo bile objects,ow ns a nearly o mn-i directional w orking area r anging from -90degree to +90degree. Besides,it is able to run independently,mini and light so that it is co nvenient to be po rtable and ev en embedded into people s parapher nalia.Further,it is also flex ible in scalability,for neither quantity range nor co nstraint of structure form is demanded on its infrastructur https://www.360docs.net/doc/564452150.html,st,it is fairly facile to be em plo yed,attributing to the w ireless co nnectivity in its infrastructur e.Those advan -tages illuminate that it is able to be co mpetent fo r al-l r ound location sensing requirements of Sm art Space.Keywords pervasive/ubiquitous computing;location -aw are com puting;po sitioning system; ex tended Kalman filter;slide w indow filter

多目标决策问题

第十五章多標準決策問題本章內容： 15.1 目標規劃:建立模式及圖解法 15.2 目標規劃:解更複雜的問題 15.3 計分模式 15.4 層級分析法 15.5 用AHP建立優先權 15.6 用AHP建立整體優先順序

線性規劃的基本假設： 1.可加性(Additivity)：目標函數或限制式變數之衡量單位必須相同，如此才能相加減 2.比例性(Proportionality)：就限制式而言，每單位產出所需之資源投入數均為固定，一定倍數的投入可以得到相同倍數的產出 3.確定性(Determinitic)：目標函數係數及限制條件中之技術系數以及擁有資源數量等均為已知且確定的數字，而不含

任何機率分配 4.可分割性(Divisibility)：線性規劃模型解答不一定是整數，可以是任意實數 ▓15.1 目標規劃：建立模型及圖解法 例： 尼可投資顧問公司考慮某顧客有80,000元要投資，投資組合限於以下兩種股票： 美國石油$25 $3 0.50

休伯不動產 50 5 0.25 這個顧客第一目標是風險最高水準為700，第二目標是要年回收至少9,000元，試以目標規劃找出最接近滿足所有目標的投資組合。 根據優先順序的說明，本例題“目標”可表示如下：主要目標（優先等級1） 目標1：找一個投資組合，它的風險在700以下。 次要目標（優先等級2） 目標2：找一個投資組合，它所提供的年回收至少9,000元。 建立限制式及目標方程式 1.先決定決策變數 X1＝購買美國石油股的數目 X2＝購買休柏不動產股的數目

2.建立限制條件 25X 1＋50X 2≦80,000（可用資金） 3.建立目標方程式 （1）目標1之目標方程式(組合風險)： 風險指標可小於等於或大於目標值700，目標方程式如下： 0.5X 1＋0.25X 2－d 1+ ＋d 1- ＝700 d 1+ ＝組合風險指標超過目標值700的部份 d 1- ＝組合風險指標少於目標值700 的部份 （2）目標2之目標方程式(年回收)： 年收入指標可大於等於或小於目標值9000，目標方程式如下： 9000532221=+-+- +d d x x

第十七章多目标决策法

第十七章 多目标决策法 基本内容 一、多目标决策概述 多目标决策:统计决策中的目标通常不会只有一个，而是有多个目标，具有多个目标的决策问题的决策即称为多目标决策。多目标决策的方法有多属性效用理论、字典序数法、多目标规划、层次分析、优劣系数法、模糊决策法等。 多目标决策的特点： 1、目标之间的不可公度性，即众多目标之间没有一个统一标准。 2、目标之间的矛盾性。某一目标的完善往往会损害其他目标的实现。 常用的多目标决策的目标体系分类：单层目标体系；树形多层目标体系；非树形多层目标体系。 多目标决策遵循的原则： 1、在满足决策需要的前提下，尽量减少目标个数。 2、分析各目标重要性大小，分别赋予不同权数。 二、层次分析法 层次分析法，简称AHP 法，是用于处理有限个方案的多目标决策方法。 （一）层次分析的基本原理 层次分析法的基本思想：是把复杂问题分解为若干层次，在最低层次通过两两对比得出各因素的权重，通过由低到高的层层分析计算，最后计算出各方案对总目标的权数，权数最大的方案即为最优方案。 层次分析法的基本假设：层次之间存在递进结构，即从高到低或从低到高递进。 （二）层次分析法的步骤 1、明确问题，搞清楚涉及的因素以及因素相互之间的关系。 2、建立层次结构模型。将决策问题层次化，划分为总目标层、分目标层和方案层。 2、通过对各层元素的重要性进行两两比较，构造判断矩阵。 3、由各层判断矩阵确定各层权重。用特征向量法中的和积法求解判断矩阵的最大特征值和归一化后的特征向量。 4、对各层判断矩阵的一致性进行检验。一致性检验通过后，按归一化处理过的特征向量作为某一层次对上一层次某因素相对重要的排序加权值。否则，对判断矩阵进行调整。 5、层次加权得出各方案关于总目标的权重，最大权重的方案为最优方案。 （三）判断矩阵 以每两个方案（或子目标）的相对重要性为元素的矩阵称为判断矩阵。判断矩阵是层次分析法的核心。 判断矩阵的元素ij a 具有三条性质： （1）1=ii a （2）ji ij a a /1= （3）kj ik ij a a a ?= 判断矩阵的元素ij a 可以利用决策者的知识和经验估计出来。由于决策者的估计并不精确，因此第三条性质不一定成立。 （四）由判断矩阵确定权重 可用特征向量法中的和积法对判断矩阵求最大特征值及所对应的特征向量。特征向量经