针对目标检测跟踪问题的贝叶斯非参建模方法研究

Traditional target detection and tracking methods were usually developed based on the assumption of statistical stability of the data received from adjacent detections. So most of them utilized ad hoc parameterized target signal and movement models. The model mismatch deteriates the global system performance, which is not able to meet the real demands. This project aims to develop a suite of Bayesian nonprametric modeling tools to cover the possible random factors that may affect the statistical properties of the observational data in a unitary model, providing more flexible and precise model interpretations and the global optimal solution. Specifically this project mainly researches on: 1)Bayesian nonparametric priors for describing prior knowledge for factors which may influence the statistical properties of the receiving data; 2) Adaptive mechanisms for model construction and updating guided by observational data; 3) Corresponding Bayesian Monte Carlo sampling and inference algorithms. The proposed methods explore and utilize the prior knowledge to a maximum extent and implement the optimal fusion of prior knowledge with the observational data. It's likely to be capable of remarkably improving the target detection gain and tracking precision.

常规目标检测跟踪方法通常基于相邻检测间目标接收数据统计平稳性假设,采用特定参数形式的目标信号与目标运动模型，模型失配造成系统整体性能无法满足实际需求。本项目研究贝叶斯非参建模方法，对目标检测跟踪系统中可能影响接收信号统计特性的随机因素进行统一建模，从系统角度为目标检测与跟踪问题提供灵活、准确的模型解释和全局最优解。具体地，本项目主要研究：1)对于可能影响观测信号统计特性的随机因素，对其先验知识进行贝叶斯非参建模的方法；2）由观测数据引导的自适应的模型构建与更新机制；3）相应的贝叶斯蒙特卡洛采样推理算法。本项目所提供的建模计算方法最大限度地挖掘与利用先验信息，实现先验信息与观测数据信息的最优融合，将显著提高目标检测增益与目标跟踪精度。

本项目聚焦于目标检测与跟踪问题，以贝叶斯统计学为主要理论工具，针对不同应用背景，给出了一系列新的检测与跟踪算法，提供了一整套、可解决不同领域不同场景下检测与跟踪问题的通用性建模计算框架。取得的主要进展包括：1）提出目标联合检测跟踪方案，该方案将目标有无、运动状态置于统一的贝叶斯模型框架，然后对所有参数的联合后验概率密进行求解，获得了比常规将检测和跟踪“分而治之”方法更好的检测与跟踪性能。2）提出基于多线索多特征信息融合的视频运动目标鲁棒跟踪算法，该算法对存在遮挡、干扰颜色、目标特征和目标相对尺寸突变情况下的视频目标仍能实施实时准确定位。3）提出基于动态纹理模型和贝叶斯非参模型（高斯过程回归）的交通流预测算法，实验结果显示，该算法在处理低分率实时交通监控视频数据时，比经典的、基于高斯混合模型的方案具有更高的预测精度。4）提出基于动态模型平均策略的鲁棒粒子滤波算法。该算法可在线自适应调整各噪声模型在粒子滤波框架内的使用权重，从而做到对观测数据中所存在的异常点“免疫”的效果。5）本项目成功地将所开发出的贝叶斯建模与计算工具包应用于外太空行星目标检测、传感网动态事件区域检测、无线通信多入多出系统的信号检测、超材料最优结构参数检测等其它多学科领域。基于本项目科研成果，项目组共发表研究论文21篇，其中SCI检索10篇，EI检索8篇，超高影响因子（>11）论文1篇，IEEE汇刊论文1篇，ICASPP（信号处理领域最权威国际会议）论文1篇，项目负责人做学术交流活动特邀报告8次，获得国际学术会议最佳报告奖1次，入选南京邮电大学“1311”人才计划鼎新学者，获评南京邮电大学科学技术奖二等奖，获南京市优秀自然科学学术论文奖1次，获2015年度南京邮电大学计算机学院、软件学院科研贡献奖1次。