Integrating RJMCMC and Kalman filters for multiple object tracking

Résumé : Dans cet article, nous proposons d' intégrer le filtre de Kalman a un echantillonneur de Monte Carlo par chaˆne de Markov a sauts réversibles (RJMCMC) pour améliorer la procédure d'optimisation dans le cas de suivi d'objets multiples. Nous proposons l'utilisation d'un noyau de perturbation dédié qui utilise le filtre de Kalman pour générer de multiples objets dans une seule itération. Nous démontrons que ce noyau permet de réduire considérablement le temps de mélange de la chaˆne de Markov, par rapport a l'echantillonneur RJMCMC standard. Nous montrons les résultats obtenus sur deux séquences biologiques synthétiques et deux séquences simulées de télédétection sur la ville de Toulon, France.
Type de document :
Communication dans un congrès
GRETSI – Traitement du Signal et des Images, Sep 2015, Lyon, France
Liste complète des métadonnées

Littérature citée [8 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-01168336
Contributeur : Paula Craciun <>
Soumis le : lundi 29 juin 2015 - 09:28:39
Dernière modification le : jeudi 30 novembre 2017 - 09:20:35
Document(s) archivé(s) le : mercredi 16 septembre 2015 - 00:37:16

Fichier

GRETSI2015_final.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01168336, version 1

Collections

Citation

Paula Craciun, Mathias Ortner, Josiane Zerubia. Integrating RJMCMC and Kalman filters for multiple object tracking. GRETSI – Traitement du Signal et des Images, Sep 2015, Lyon, France. 〈hal-01168336〉

Partager

Métriques

Consultations de la notice

109

Téléchargements de fichiers

187