一种基于路网结构和目标特性的目标跟踪算法制造技术

本发明专利技术涉及一种基于道路信息库和目标道路约束特性的变结构多模型目标跟踪算法，构建道路信息库，应用路网为基础的道路地理环境自身的约束能力以及不同类型目标对不同道路地理环境的适应能力作为先验信息辅助地面目标跟踪，通过先验知识的充分利用提高地面目标跟踪的状态估计精度，降低目标跟丢率。本发明专利技术在地面目标跟踪问题上有其实用价值。

A Target Tracking Algorithm Based on Road Network Structure and Target Characteristics

The invention relates to a variable structure multi-model target tracking algorithm based on road information base and target road constraints, which constructs road information base, uses road network-based constraints of road geographic environment and adaptability of different types of targets to different road geographic environments as prior information to assist ground target tracking, and improves by making full use of prior knowledge. The state estimation accuracy of ground target tracking can reduce the target tracking and loss rate. The invention has practical value in ground target tracking.

【技术实现步骤摘要】
一种基于路网结构和目标特性的目标跟踪算法
本专利技术属于目标跟踪
，具体涉及一种基于道路信息库和目标道路约束特性的变结构多模型目标跟踪算法。
技术介绍
对于地面目标而言，大部分地面目标受道路或地理环境的约束，其运动往往具有一定的可预测性，而这些道路和地理信息通常是可以预先获得的，在目标状态估计时利用这些先验信息，在一定程度上可以提高目标状态估计精度，并简化跟踪处理器的计算复杂性。变结构多模型算法是应用先验信息辅助地面目标跟踪的一种思路，其思想是，根据先验信息调整目标运动模型，每一跟踪时刻，在目标所有可能的运动模型中，选择与当前目标真实运动状态匹配的模型子集进行跟踪滤波。基于道路辅助的变结构交互式多模型(VS-IMM)算法，假定不同的道路地理环境对应于不同的目标运动模型集合，模型自适应规则由道路地理信息决定的，根据道路地理信息以及上一步的状态估计值来更新目标的当前运动模型集，其后以IMM作为状态估计器估计目标状态，实现道路地理信息辅助的地面目标跟踪。需要注意到的是，上述方案仅利用了道路地理环境自身的约束能力作为先验信息来辅助地面目标跟踪，没有考虑不同地形对不同类型目标约束能力的不本文档来自技高网...

【技术保护点】
1.一种基于路网结构和目标特性的目标跟踪算法，其特征在于，包括以下步骤：A.根据实际应用场景建立地理信息知识库和目标运动特征库：B.建立航迹表，航迹表记录每个航迹的状态估计、航迹的当前运动模型集、航迹的当前匹配地形类型、以及航迹的地形标记，其中，航迹的地形标记包括道路目标标记、节点目标标记和路外目标标记；C.每一仿真时刻，依据航迹当前地形标记的不同，对不同航迹进行不同的处理流程，每个处理流程包括目标与具体地形位置的匹配、模型集自适应判定以及多模型集的跟踪滤波；C‑1.采用预测不确定区域判别法进行目标与具体地形的匹配，包括是否在道路节点附近的判定、是否在道路节点的判定以及是否在道路上的判定，地形...

【技术特征摘要】
2017.11.26 CN 20171120069771.一种基于路网结构和目标特性的目标跟踪算法，其特征在于，包括以下步骤：A.根据实际应用场景建立地理信息知识库和目标运动特征库：B.建立航迹表，航迹表记录每个航迹的状态估计、航迹的当前运动模型集、航迹的当前匹配地形类型、以及航迹的地形标记，其中，航迹的地形标记包括道路目标标记、节点目标标记和路外目标标记；C.每一仿真时刻，依据航迹当前地形标记的不同，对不同航迹进行不同的处理流程，每个处理流程包括目标与具体地形位置的匹配、模型集自适应判定以及多模型集的跟踪滤波；C-1.采用预测不确定区域判别法进行目标与具体地形的匹配，包括是否在道路节点附近的判定、是否在道路节点的判定以及是否在道路上的判定，地形匹配后根据航迹的历史地形标记信息和当前地形匹配信息更新航迹的当前地形标记；C-2.根据目标匹配的地形位置激活该地形相应的先验目标运动模型集作为候选模型群，通过当前航迹目标的先验地形约束率、近期地形标记和地形转移概率经验矩阵修正当前模型转移马尔科夫矩阵；C-3.将旧的航迹当前运动模型集以及C-2激活的候选运动模型群组合，作为新的航迹当前运动模型集，以交互式多模型滤波器作为状态估计器估计目标状态，并分别计算旧当前运动模型群、新激活候选群的群模型概率，且由群模型切换判决法判决是否在下一时刻删除旧当前运动模型群和新激活候选群。2.根据权利要求1所述的基于路网结构和目标特性的目标跟踪算法，其特征在于，步骤A的具体过程为：为传感器监视区域建立基于道路网的地理信息知识库，建模信息包括道路拓扑结构、地形环境条件，以及地形环境对目标运动产生的约束能力，为各运动目标建立对不同道路、地形环境适应能力的目标运动特征库；A-1.所述道路网建模为一系列道路片段和道路节点，道路节点被放置在道路属性发生变化的位置，以及不同道路的交叉点处，信息库分别保存各道路路段和道路节点的属性以及它们之间的连接关系；A-2.所述道路和地形对目标运动的约束能力建模为各道路路段、道路节点和其他地形区域对应的目标运动模型集合；A-3.所述目标运动特征库建模为目标的先验地形约束率和地形转移概率经验矩阵。3.根据权利要求1所述的基于路网结构和目标特性的目标跟踪算法，其特征在于，步骤B中，第k个扫描时刻航迹号为n的航迹状态记为Tn(k)：其中，Mn(k)为航迹n在当前时刻对应的运动模型集，和Pn(k)分别为当前时刻的状态估计和协方差估计；分别为模型r下的状态估计、协方差估计以及模型r在模型集Mn(k)中的模型概率，r为模型集Mn(k)中的模型；τn(k)为航迹的地形标记，αn(k)为航迹的当前地形匹配。4.根据权利要求1所述的基于路网结构和目标特性的目标跟踪算法，其特征在于，步骤C-1中的预测不确定区域判别法的具体过程为：目标的预测不确定区域εn(k)定义为：其中，x和y分别为横纵坐标变量，xp(k-)和yp(k-)分别为目标预测点的横纵坐标，(xp(k-)，yp(k-))为由滤波器给出的k时刻目标的位置状态预测，为k时刻目标状态预测协方差矩阵Pn(k-)的位置子矩阵，Pxx(k-)、Pxy(k-)、Pyx(k-)、Pyy(k-)分别为Pn(k-)的对应元素值，α为预测与确定区域的判决门限值。5.根据权利要求1所述的基于路网结构和目标特性的目标跟踪算法，其特征在于，步骤C-1中，(1)标记为道路目标的处理流程：对于道路目标，首先判断目标是否到达道路临近节点，如果到达某个节点，进行节点模型集的添加和旧模型集的删除，同时将目标当前位置标记设为该节点；如果目标未到达临近节点，判断目标是否还在道路上，如果仍在道路上，无需模型集的改变直接进行跟踪滤波；如果目标不在道路上，接下来m个时刻对当前道路和当前道路的邻接道路和节点进行判断，如果连续m个时刻目标预测位置均不在道路或节点上，则判定该目标已驶离道路，进行路外模型集的添加和旧模型集的删除，同时将目标当前位置标记设为路外，其中，m为一个经验时刻值；(2)标记为节点目标的处理流程：对于节点目标，首先判断目标是否还在节点，如果仍在节点上，无需模型集的改变直接进行跟踪滤波；如果目标不在节点，判断目标是否运行到相邻道路，如果运行到某条相邻道路，进行道路模型集的添加和旧模型集的删除，同时将目标当前位置标记设为该道路；如果目标不在节点也不在道路，接下来m个时刻对当前节点和当前节点邻接道路都进行判断，如果连续m个时刻目标预测位置均不在道路或节点上，则判定该目标已驶离道路，进行路外模型集的添加和旧模型集的删除，同时将目标当前位置标记设为路外；(3)标记为路外目标的处理流程：对于路外目标，首先判断目标预测是否进入目标不可达区，如果连续c个时刻目标预测位置均在目标不可达区，直接对进行航迹终结，其中，c为经验时刻阈值；否则判断目标是否到达某个道...

【专利技术属性】
技术研发人员：解梅，苏星霖，薛铮，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51