SVM在多目标跟踪中的回波分类及并行化研究  

Research on SVM apply to echo classification and parallelization in multi-target tracking

作　　者：侯立斐[1] 郑晓薇[1] 于梦玲[1] 

机构地区：[1]辽宁师范大学计算机与信息技术学院,辽宁大连116081

出　　处：《微型机与应用》2012年第11期78-80,共3页Microcomputer & Its Applications

摘　　要：在蒙特卡罗联合概率数据关联滤波(MC-JPDAF)算法基础上提出了SVM-MC-JPDAF算法,采用支持向量机(SVM)分类技术,针对跟踪门交叉区域的有效回波进行特别分类。通过仿真实验,算法有效地降低了失跟率以及目标估计值的均方根误差(RMSE),并且对算法实现了并行化,在提高性能的同时控制了算法的执行负担。This paper, a novel algorithm called SVM-MC-JPDAF based on Monte Carlo Joint Probabilistic Data Association Filter （MC-JPDAF） is proposed, which introduces Support Vector Machine （SVM） to classify valid echo in intersection of tracking gates. Through the simulation experiment, the algorithm effectively reduced the loss rate and values of Root Mean Square Error （RMSE）, then parallelize the algorithm, improving the performance of tracking simultaneously controlling algorithm implementation burden.

关 键 词：多目标跟踪 支持向量机 回波分类 联合概率数据关联 并行计算 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]