买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：兰州理工大学

摘要：本发明公开了基于Student’st过程回归的平滑跟踪方法，包括：构建递归Student’st过程回归模型；根据所述递归Student’st过程回归模型对目标形状进行扩展，构建目标轮廓Student’st过程模型；构建Student’st平滑模型，基于贝叶斯平滑技术和所述递归Student’st过程回归模型，获得扩展目标状态的平滑估计。本发明通过Student’st过程学习模型输入与输出的非线性映射关系，并基于贝叶斯平滑框架对扩展目标形状信息进行平滑估计，在精确描述目标形状细节的前提下，有效提高了扩展目标形状的估计精度。

主权项：1.基于Student’st过程回归的平滑跟踪方法，其特征在于，包括：构建递归Student’st过程回归模型；根据所述递归Student’st过程回归模型对目标形状扩展建模，构建目标轮廓Student’st过程模型；构建Student’st平滑模型，基于贝叶斯平滑技术和所述递归Student’st过程回归模型，获得扩展目标状态的平滑估计；构建所述递归Student’st过程回归模型中包括：基于多元Student’st概率分布推导得到Student’st过程的方法为：mq＝E[yq],kq,q′＝E[yq-mqyq′-mq′T], 其中，yq为输入函数，mq为输入函数的均值函数，kq,q′为输入函数的协方差函数，n为自由度参数，E为期望，表示Student’st过程；构建递归Student’st过程回归模型的方法为：对于如下量测模型： 条件概率密度函数pyz闭合且服从Student’st分布： 其中，zk为输入为qk时y·对应的量测值，ek为服从均值为0，参数矩阵为R，自由度参数为δ的Student’st分布的量测噪声；构建所述递归Student’st过程回归模型还包括：对递归Student’st过程回归进行推导的方法为：py|z1:k∝pzk|y,z1:k-1py|z1:k-1 其中，zk是k时刻的量测值，z1:k是初始时刻到k时刻的量测值，δ是量测噪声的自由度参数，n0是输出y的初始自由度参数，p表示概率密度函数；根据所述递归Student’st过程回归模型对目标形状扩展建模的方法为： 其中，sk,l为尺度因子，为方向向量，为量测噪声，为目标位置，为形状扩展状态向量，为量测对应角度，yk为方向；构建Student’st平滑模型，基于贝叶斯平滑技术和所述递归Student’st过程回归模型，获得扩展目标状态的平滑估计包括：通过向后递归获得k时刻目标状态向量的平滑概率密度的方法为： 其中，K为最终时间步，Z1:K为初始时刻到K时刻的所有量测信息，pxkZ1:K为平滑密度，pxk,xk+1Z1:K为联合Student’st密度；构建Student’st平滑模型，基于贝叶斯平滑技术和所述递归Student’st过程回归模型，获得扩展目标状态的平滑估计包括：对扩展目标的运动状态和形状扩展状态进行预测估计的方法为： 其中，为k时刻的目标状态向量，Z1:k-1为初始时刻到k-1时刻的所有量测信息，xk|k-1为状态预测均值，Pk|k-1为状态预测的参数矩阵，为k-1时刻的状态向量自由度。

全文数据：

权利要求：

百度查询： 兰州理工大学 基于Student’s t过程回归的平滑跟踪方法