3、动态场景分析中的贝叶斯模型应用

动态场景分析中的贝叶斯模型应用

1. 标记点过程基础

在目标群体提取任务中，标记点过程（MPP）是一种重要的方法。首先，在模型里会为点分配标记。以矩形为例，它可由中心点 (o \in S)、方向 (\theta \in [-90^{\circ}, +90^{\circ}]) 以及垂直边长 (eL) 和 (el) 来定义，此时标记是一个三维参数向量 ((\theta, eL, el))。

对于场景中的目标候选对象 (u)，其在格点 (S) 上的成像形状由初步固定形状库中的平面图形表示，常用的有椭圆或矩形。每个标记目标通过参考点 (o)、全局方向 (\theta) 以及与形状相关的参数（如椭圆的长轴和短轴、矩形的垂直边长）来建模。记标记的域为 (P)，则单个目标的 (H) 参数空间为 (H = S × P)。

MPP 模型的一个配置 (\omega) 是标记目标的集合：(\omega = {u_1, \ldots, u_n})，其中 (u_i \in H)，目标数量 (n) 是任意整数，在群体提取任务中初始未知。因此，目标配置空间 (\Omega) 具有以下形式：
(\Omega = \bigcup_{n = 0}^{\infty} \Omega_n)，(\Omega_n = { {u_1, \ldots, u_n} \subset H^n})

接着定义给定 (\omega) 配置中目标之间的邻域关系。例如，对于目标 (u, v \in \omega)，当且仅当目标中心之间的距离低于预定义阈值时，(u \sim v)。目标 (u) 在 (\omega) 中的邻域为 (N_u(\omega) = {v \in \omega | u \si