《第13課 數(shù)據(jù)有關聯(lián)》參考課件4

數(shù)據(jù)有關聯(lián)浙教版四上目錄最近鄰算法的關聯(lián)算法01聯(lián)合概率數(shù)據(jù)關聯(lián)02概率數(shù)據(jù)關聯(lián)算法03作業(yè)布置04總結回顧05最近鄰算法的關聯(lián)算法01最近鄰算法最近鄰算法（NearestNeighborAlgorithm）是最常見的數(shù)據(jù)關聯(lián)算法之一，基于距離度量（如歐氏距離、馬氏距離等），將當前幀中的目標與先前幀中的已跟蹤目標進行匹配。距離度量：歐式距離最近鄰算法的關聯(lián)算法：

依次關聯(lián)相當于計算前一幀檢測框和當前幀所有檢測框的距離，距離近的就關聯(lián)上。最近鄰算法通常選擇距離最小的目標作為匹配對象。近鄰算法是最簡單的數(shù)據(jù)關聯(lián)技術，通過設定閾值來聚類最相近的一組值。但是近鄰算法在密集環(huán)境中性能較差，人擠人的情況下框的距離將會差不多，容易關聯(lián)錯誤。

全局最近鄰算法：最近鄰算法存在多個目標關聯(lián)到同一個測量結果的情況，即有的測量結果對于多個目標來說都是它們最近關聯(lián)。全局最近鄰計算所有可能的關聯(lián)情況，選用總距離或者說總概率最大的關聯(lián)方式，從而避免了上述情況的發(fā)生。概率數(shù)據(jù)關聯(lián)算法02

概率數(shù)據(jù)關聯(lián)算法概率數(shù)據(jù)關聯(lián)為一個目標的一次有效測量的的每一個可能性設置一個關聯(lián)概率。有效測量定義為觀測值在當前時刻處于目標的有效門限內(nèi)。在概率數(shù)據(jù)關聯(lián)算法中，目標的狀態(tài)估計是由在所有情形下預測狀態(tài)的加權和得到的。算法能夠將一個特定目標的不同測量值關聯(lián)起來。因此，關聯(lián)對于一個目標的不同測量結果能夠更好地估計目標的狀態(tài)。概率數(shù)據(jù)關聯(lián)算法（ProbabilisticDataAssociationAlgorithm，簡稱PDA）通過考慮多個觀測對應于同一目標的概率，以概率的形式進行目標關聯(lián)。它基于貝葉斯濾波的框架，將目標的狀態(tài)估計表示為概率分布，通過觀測來更新和修正目標狀態(tài)的概率。概率數(shù)據(jù)關算法的基本思想：在每個時刻，對于每個傳感器觀測，計算其與每個已知目標的關聯(lián)概率。然后，根據(jù)關聯(lián)概率和每個目標的預測概率，對目標狀態(tài)進行更新和修正。PDA算法還考慮了觀測誤差和目標運動的不確定性，以及觀測與目標的關聯(lián)可能性。概率數(shù)據(jù)關算法的基本思想：PDA算法在多目標跟蹤中具有較好的性能，特別是在存在目標遮擋、觀測噪聲和數(shù)據(jù)關聯(lián)不確定性的復雜場景中。它可以提供目標狀態(tài)的概率估計，對不確定性進行建模，并能夠處理觀測缺失和錯誤關聯(lián)的情況。\n\n需要注意的是，PDA算法的計算復雜度較高，尤其在目標數(shù)量較多和觀測空間較大的情況下。聯(lián)合概率數(shù)據(jù)關聯(lián)03聯(lián)合概率數(shù)據(jù)關聯(lián)聯(lián)合概率數(shù)據(jù)關聯(lián)是一種非最優(yōu)的，在密集環(huán)境中跟蹤多目標的方法。聯(lián)合概率數(shù)據(jù)關聯(lián)與概率數(shù)據(jù)關聯(lián)相似，但是聯(lián)合概率數(shù)據(jù)關聯(lián)的關聯(lián)概率是由所有目標的所有觀測值計算得到。因此，聯(lián)合概率數(shù)據(jù)關聯(lián)考綜合考慮了多個可能并進行了組合。

聯(lián)合概率數(shù)據(jù)關聯(lián)有以下約束：一個測量值只能來自一個目標；兩個測量值在同一時刻不可能來自同一個目標；同一個目標的測量概率之和為1。聯(lián)合概率數(shù)據(jù)關聯(lián)有以下缺點：需要一個明確的機制來進行軌跡的初始化，和概率數(shù)據(jù)關聯(lián)一樣，聯(lián)合概率數(shù)據(jù)關聯(lián)不能新建或移除觀測區(qū)域之外的軌跡。聯(lián)合概率數(shù)據(jù)關聯(lián)在處理多目標時計算量很大因為假設的數(shù)量隨目標的數(shù)量指數(shù)增長?？偨Y回顧04