基于惯常速率的多类目标轨迹预测

作     者：叶汉荣 刘梦源 郑伟诗 刘宏 Ye Hanrong;Liu Mengyuan;Zheng Weishi;Liu Hong

作者机构：北京大学深圳研究生院物联网智能感知技术实验室广东深圳518055 中山大学物理学院广东广州510275 中山大学数据科学与计算机学院广东广州510006 

出 版 物：《华中科技大学学报（自然科学版）》 (Journal of Huazhong University of Science and Technology(Natural Science Edition))

年 卷 期：2017年第45卷第10期

页      面：100-104页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(61340046 61673030 U1613209) 教育部博士学科点科研基金资助项目(20130001110011) 广东省自然科学基金资助项目(2015A030311034) 

主　　题：多目标跟踪 轨迹预测 运动模式特质 多类目标分类 社交力模型 

摘      要：为了解决监控视频中对大量不同类型的运动目标进行运动轨迹预测的问题,系统地提出了对多类目标的轨迹预测流程;在社交力模型的基础上,探讨了一种新的以惯常速率为聚类对象的运动模式特质分类方法,并应用这种方法在Stanford Drone数据库上取得了领先的结果.该方法可以使目标轨迹预测的研究对象拓展到除行人以外的其他任何移动目标,如汽车、自行车等运动物体,并对它们的运动轨迹进行有效预测.该方法在实现高精度预测的基础上,极大地缩短了目标分类所用的时间,分类效率的提高达5个数量级.