Integrating RJMCMC and Kalman filters for multiple object tracking - Inria - Institut national de recherche en sciences et technologies du numérique Access content directly
Conference Papers Year : 2015

Integrating RJMCMC and Kalman filters for multiple object tracking

Abstract

In this paper, we propose to integrate the Kalman filter with the reversible jump Markov Chain Monte Carlo (RJMCMC) sampler to improve the optimization procedure in the case of multiple object tracking. We propose the use of a dedicated perturbation kernel that uses the Kalman filter to generate multiple objects in a single iteration. We demonstrate that this kernel reduces considerably the mixing time of the Markov chain, as compared to the standard RJMCMC sampler. We show results on two synthetic biological sequences and two simulated remotely sensed data sets of the city of Toulon, France.
Dans cet article, nous proposons d' intégrer le filtre de Kalman a un echantillonneur de Monte Carlo par chaˆne de Markov a sauts réversibles (RJMCMC) pour améliorer la procédure d'optimisation dans le cas de suivi d'objets multiples. Nous proposons l'utilisation d'un noyau de perturbation dédié qui utilise le filtre de Kalman pour générer de multiples objets dans une seule itération. Nous démontrons que ce noyau permet de réduire considérablement le temps de mélange de la chaˆne de Markov, par rapport a l'echantillonneur RJMCMC standard. Nous montrons les résultats obtenus sur deux séquences biologiques synthétiques et deux séquences simulées de télédétection sur la ville de Toulon, France.
Fichier principal
Vignette du fichier
GRETSI2015_final.pdf (896.52 Ko) Télécharger le fichier
Origin Files produced by the author(s)
Loading...

Dates and versions

hal-01168336 , version 1 (29-06-2015)

Identifiers

  • HAL Id : hal-01168336 , version 1

Cite

Paula Craciun, Mathias Ortner, Josiane Zerubia. Integrating RJMCMC and Kalman filters for multiple object tracking. GRETSI – Traitement du Signal et des Images, Sep 2015, Lyon, France. ⟨hal-01168336⟩

Collections

INRIA INRIA2
149 View
278 Download

Share

Gmail Mastodon Facebook X LinkedIn More