典型文献
基于DBSCAN聚类的群目标分离与合并跟踪算法
文献摘要：
针对杂波环境下群目标分离与合并时跟踪精度变化较大的问题,提出一种基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)的群目标分离与合并跟踪算法.该算法首先根据群目标模型、落入群目标跟踪门中的量测数量与群目标关联门交叉区域的预测群中心数量来判断群分离或合并的可能性;然后,通过DBSCAN算法对群目标关联门中的量测进行聚类,进一步确定群目标是否发生分离或合并;最后,根据新群目标跟踪门中的等效量测方差计算并更新对应的群目标跟踪门大小和群成员数量.仿真结果表明,相比于传统群目标的分离与合并跟踪方法,该算法保证了群目标分离与合并检测的实时性,提高了分离或合并前后的跟踪精度.
文献关键词：
群目标;DBSCAN;分离;合并;群目标跟踪门
中图分类号：
作者姓名：
李学文;何山;吴盘龙
作者机构：
南京理工大学 自动化学院,南京 210094
文献出处：
引用格式：
[1]李学文;何山;吴盘龙-.基于DBSCAN聚类的群目标分离与合并跟踪算法)[J].淮阴工学院学报,2022(03):46-52
A类：
群目标跟踪门,关联门
B类：
DBSCAN,跟踪算法,杂波环境,跟踪精度,Density,Based,Spatial,Clustering,Applications,Noise,目标模型,落入,目标关联,心数,成员数,跟踪方法
AB值：
0.209038
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
