1 粒子濾波(particle filtering)
粒子濾波是對預測粒子進行評價,添加不同的權(quán)重,越接近于真實狀態(tài)的粒子,其權(quán)重越大;否則,就加的權(quán)重小一些。
步驟:
(1)初始狀態(tài):開始認為x(0)在全狀態(tài)空間內(nèi)平均分布。然后將所有采樣輸入狀態(tài)轉(zhuǎn)移方程,得到預測粒子。
(2)預測階段:粒子濾波首先根據(jù)x(t-1)的概率分布生成大量的采樣,這些采樣就稱之為粒子。那么這些采樣在狀態(tài)空間中的分布實際是x(t-1)的概率分布了。接下來依據(jù)狀態(tài)轉(zhuǎn)移方程加上控制量可以對每一粒子得到一個預測粒子。
(3)校正階段:觀測值y到達后,利用觀測方程即條件概率P(y|xi),對所有的粒子進行評價。這個條件概率代表了假設真實狀態(tài)x(t)取第i個粒子xi時獲得觀測y的概率。令這個條件概率為第i個粒子的權(quán)重。越有可能獲得觀測y的粒子,獲得的權(quán)重越高。
(4)重采樣:根據(jù)粒子權(quán)重對粒子進行篩選,篩選過程中,既要大量保留權(quán)重大的粒子,又要有一小部分權(quán)重小的粒子。而這些重采樣后的粒子,就代表了真實狀態(tài)的概率分布。
2 DLT框架
粒子濾波是完成粒子的隨機擾動和擴散(在一幀圖像中選出多個候選區(qū))過程后,判斷**(measure)哪些粒子接近實際粒子(對候選區(qū)進行確認),找權(quán)重最大的粒子。用權(quán)重最大的粒子+上一幀已知的跟蹤結(jié)果=完成當前幀跟蹤。即DLT通過粒子濾波+measure分類器完成跟蹤。**
3 measure 分類器
measure分類器由自編碼器和sigmoid層形成。自編碼器(auto encoder)包括編碼部分(encoder)和解碼部分(decoder)。
sigmoid部分訓練主要是為了得到sigmoid層與encoder層連接的200多個參數(shù)。
相關(guān)資源
論文下載:http://winsty.net/papers/dlt.pdf
代碼下載:http://winsty.net/dlt/DLTcode.zip
數(shù)據(jù)集下載:http://winsty.net/dlt/woman.zip
學習更多編程知識,請關(guān)注我的公眾號:
[代碼的路]
-
編碼器
+關(guān)注
關(guān)注
44文章
3529瀏覽量
133312 -
編程
+關(guān)注
關(guān)注
88文章
3521瀏覽量
93273 -
粒子濾波
+關(guān)注
關(guān)注
0文章
10瀏覽量
8071 -
深度學習
+關(guān)注
關(guān)注
73文章
5422瀏覽量
120593 -
DLT
+關(guān)注
關(guān)注
0文章
16瀏覽量
5284
發(fā)布評論請先 登錄
相關(guān)推薦
評論