雷達多目標跟蹤的航跡起始有很多種方式，歸根揭底寫成工程可實現的語言都是一種邏輯+以概率確定的判別門限。先研究一種並行聯合概率航跡起始邏輯。
多目標跟蹤的基本概念在這裡就不講了，其他的先弄清楚幾個概念：原生航跡、臨時航跡、中間航跡、可靠航跡。剛開始這幾個名詞也把我搞混了，實際上他們是一種遞進級的關係，每一幀雷達資料的原生點跡到可靠航跡之間的環節越多，則最後的可靠航跡越可靠，但這也不是絕對的，而且環節越多運算過程越大，工程上就越不好實現。所以要在航跡可靠性和實際工程上的雷達處理機計算能力間取得乙個平衡。
說一下幾個基本概念：原生航跡是有可能是目標的點的集合，仍然是點。臨時航跡，中間航跡需要的時候再介紹。
先說一下貝葉斯概率航跡起始模式。在給定的測量資料d下，真實航跡的概率為：
p(t/d) = p(d/t)p0(t)/p(d)
p(d/t)為測量資料d中出現真實目標的概率，p0（t）為在乙個掃瞄體積內，出現真是目標的先驗概率。
p（d） = p(d/t)p(t) + p(d/f)p(f) ，式中兩項分別被定義為虛假目標的概率和真實目標的概率。 p(f) = 1 - p(t)
多目標跟蹤
目前參與的乙個專案是 足球事件檢索 事件是乙個 high level 概念，需要基於一些 low level 資訊來做。後者主要就是一些影象處理的東西了。兩個 level 之間，會有一些中間層的資訊，比如足球的走向。根據師兄的建議，可以考慮對足球場上的運動員進行多目標跟蹤，在跟蹤軌跡的基礎上抽取一些...
deepsort多目標跟蹤
題目 online and realtime tracking with a deep association metric deepsort是在sort目標追蹤基礎上的改進。引入了在行人重識別資料集上離線訓練的深度學習模型，在實時目標追蹤過程中，提取目標的表觀特徵進行最近鄰匹配，可以改善有遮擋情況...
多目標跟蹤deepSORT
文章對 中的翻譯做了一些筆記，方便在演算法使用過程中遇到問題時檢視 jpdaf 中，單個狀態假設是通過關聯概率對單個測量值進行加權而產生的。在 mht中，所有可能的假設都被跟蹤，但為了計算的可操作性，必須應用剪枝方案。這些方法的效能取決於計算量和實現複雜性。深度關聯度量 軌道處理和卡爾曼濾波框架與s...