Resumen

Los filtros multiobjeto desarrollados a partir de la teoría de conjuntos aleatorios finitos (RFS) se han convertido recientemente en métodos bien conocidos para resolver problemas de seguimiento multiobjeto. En este trabajo, presentamos dos métodos de filtrado basados en RFS, el filtro de densidad de hipótesis de probabilidad de mezcla gaussiana (GM-PHD) y el filtro multi-Bernoulli, para analizar cuantitativamente su rendimiento en el seguimiento de múltiples células en una serie de secuencias de imágenes de bajo contraste. El filtro GM-PHD, bajo supuestos lineales gaussianos sobre la dinámica celular y el proceso de nacimiento, aplica la recursión PHD para propagar la intensidad posterior de forma analítica, mientras que el filtro multi-Bernoulli estima la densidad posterior multiobjetivo mediante la propagación de los parámetros de un RFS multi-Bernoulli que aproxima la densidad posterior del RFS multiobjetivo. Se llevan a cabo numerosas comparaciones de rendimiento entre los dos métodos basados en RFS en dos secuencias de imágenes celulares reales y se demuestra que ambos producen resultados satisfactorios que están en buena concordancia con el método de seguimiento manual.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:rfs, filtro bernoulli, densidad posterior, densidad de hipótesis de probabilidad de mezcla gaussiana, secuencias de imágenes de células reales, numerosas comparaciones de rendimiento, secuencias de imágenes de contraste, suposiciones gaussianas lineales, método de seguimiento manual, problema de seguimiento multiobjeto
• Keywords:rfs, bernoulli filter, posterior density, gaussian mixture probability hypothesis density, real cell images sequences, numerous performance comparisons, contrast image sequences, linear gaussian assumptions, manual tracking method, multiobject tracking problem