一种基于测量值驱动自适应估计新生目标强度的多目标跟踪方法技术

本发明专利技术公开了一种基于测量值驱动自适应估计新生目标强度的多目标跟踪方法，步骤1：初始化强度函数v

【技术实现步骤摘要】
一种基于测量值驱动自适应估计新生目标强度的多目标跟踪方法
本专利技术属于多目标跟踪的
；具体涉及一种基于测量值驱动自适应估计新生目标强度的多目标跟踪方法。
技术介绍
多目标跟踪就是利用被噪声和杂波干扰的测量值估计目标的状态和数目。在多目标跟踪场景中，不但目标的状态会随着时间的变化而改变而且目标的个数也会随着目标的出现和消失而变化。目前，包括多假设跟踪算法(MultipleHypothesisTracking,MHT)和联合概率数据关联(JointProbabilityDataAssociation,JPDA)算法在内的大多数经典多目标跟踪算法中都包含了测量值与目标之间的关联关系，因此这些算法的计算复杂度也随着目标个数和测量值的增加而增加。为了降低跟踪算法的计算复杂度，Mahler提出了基于随机有限集(RandomFiniteSet,RFS)理论的概率假设密度(ProbabilityHypothesisDensity,PHD)滤波器。PHD滤波器在应用中可以通过序贯蒙特卡罗(SequentialMonteCarlo,SMC)方法和高斯混合(GaussianMixture,GM)方法来实现。由于GM方法为PHD滤波器提供了封闭形式的数学解并且目标状态易于估计，因此GM-PHD滤波器一直是多目标跟踪领域研究的热点。在经典的GM-PHD滤波器中，新生目标强度通常作为先验已知信息参与GM-PHD滤波器的迭代过程，在新生目标强度未知的情况下，GM-PHD滤波器的跟踪精度相对较差。在实际的跟踪环境中，新生目标强度通常未知，这就给GM-PHD滤波器在实际工程中的应用带来了一定的限制。
技术实现思路
本专利技术提供一种基于测量值驱动自适应估计新生目标强度的多目标跟踪方法，针对GM-PHD滤波器在新生目标强度未知的情况下跟踪性能下降的问题。本专利技术通过以下技术方案实现：一种基于测量值驱动自适应估计新生目标强度的多目标跟踪方法，所述多目标跟踪方法包括以下步骤：步骤1：初始化强度函数v0(x)；步骤2：预测存活目标的强度vs,k|k-1(x)；步骤3：预测新生目标的强度vγ,k|k-1(x)；步骤4：对测量值集合Zk进行划分，将其分为存活目标测量值集合Zs,k、新生目标测量值集合Zγ,k和杂波测量值集合Zc,k；步骤5：根据步骤4分出的存活目标测量值集合Zs,k和新生目标测量值集合Zγ,k对步骤2中预测的存活目标强度vs,k|k-1(x)和步骤3中预测的新生目标强度vγ,k|k-1(x)进行更新；步骤6：利用剪枝阈值Tth及合并阈值U对步骤5中的更新结果进行剪枝与合并；步骤7：设定目标状态提取阈值wth，提取步骤6中权值大于阈值的目标强度作为最终的跟踪结果。进一步的，所述步骤1中强度函数v0(x)为，其中，表示均值为协方差为的高斯密度函数，并且为目标的权值，J0为初始化目标个数。进一步的，所述步骤2中预测存活目标的强度vs,k|k-1(x)为，其中，表示均值为协方差为的高斯密度函数，并且为预测的存活目标权值，Js,k|k-1为预测的存活目标个数。进一步的，所述步骤3中预测新生目标的强度vγ,k|k-1(x)为，其中表示均值为协方差为的高斯密度函数，并且为预测的新生目标权值，Jγ,k|k-1为预测的新生目标个数。进一步的，所述步骤5中存活目标测量值集合Zs,k对预测的存活目标强度vs,k|k-1(x)进行更新，更新后的存活目标强度vs,k(x)表示为，其中pD,k表示探测概率，表示更新的存活目标权值，表示更新的存活目标均值，表示更新的存活目标协方差；步骤5中新生目标测量值集合Zγ,k对预测的新生目标强度vγ,k|k-1(x)进行更新，更新后的新生目标强度vγ,k(x)表示为，其中pD,k表示探测概率，表示更新的新生目标权值，表示更新的新生目标均值，表示更新的新生目标协方差。进一步的，所述步骤6中对步骤5中的更新结果进行剪枝与合并，得到的目标强度为其中表示目标的权值，表示均值，表示协方差。进一步的，所述步骤7中设定目标状态提取阈值wth，提取步骤6中权值大于阈值的目标强度作为最终的跟踪结果其中，Xk(x)表示目标强度的集合，表示目标状态向量，Jk表示目标数目。本专利技术的有益效果是：1.本专利技术能够自适应估计新生目标强度，克服传统GM-PHD滤波器在实际跟踪环境中无法跟踪新生目标的问题。2.本专利技术通过对测量值集合的划分，利用存活目标测量值集合和新生目标测量值集合分别更新存活目标强度和新生目标强度的方式来消除杂波测量值的干扰，提高算法的精度。附图说明附图1本专利技术的滤波器流程图。附图2为本专利技术目标的真实运动轨迹与测量值图。附图3为本专利技术新生目标强度未知的GM-PHD滤波器跟踪结果图。附图4为本专利技术自适应估计新生目标强度的GM-PHD滤波器跟踪结果图。附图5为本专利技术测量值驱动自适应估计新生目标强度的GM-PHD滤波器跟踪结果图。附图6不同算法的最优次模式分配OSPA距离误差图。附图7为不同算法的目标数目估计NTE误差图。具体实施方式下面将结合本专利技术实施例中的附图对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例1一种基于测量值驱动自适应估计新生目标强度的多目标跟踪方法，所述多目标跟踪方法包括以下步骤：步骤1：初始化强度函数v0(x)；步骤2：预测存活目标的强度vs,k|k-1(x)；步骤3：预测新生目标的强度vγ,k|k-1(x)；步骤4：对测量值集合Zk进行划分，将其分为存活目标测量值集合Zs,k、新生目标测量值集合Zγ,k和杂波测量值集合Zc,k；步骤5：根据步骤4分出的存活目标测量值集合Zs,k和新生目标测量值集合Zγ,k对步骤2中预测的存活目标强度vs,k|k-1(x)和步骤3中预测的新生目标强度vγ,k|k-1(x)进行更新；步骤6：利用剪枝阈值Tth及合并阈值U对步骤5中的更新结果进行剪枝与合并；步骤7：设定目标状态提取阈值wth，提取步骤6中权值大于阈值的目标强度作为最终的跟踪结果。进一步的，所述步骤1中强度函数v0(x)为，其中，表示均值为协方差为的高斯密度函数，并且为目标的权值，J0为初始化目标个数。进一步的，所述步骤2中预测存活目标的强度vs,k|k-1(x)为，其中，表示均值为协方差为的高斯密度函数，并且为预测的存活目标权值，Js,k|k-1为预测的存活目标个数。进一本文档来自技高网...

【技术保护点】
1.一种基于测量值驱动自适应估计新生目标强度的多目标跟踪方法，其特征在于，所述多目标跟踪方法包括以下步骤：/n步骤1：初始化强度函数v

【技术特征摘要】
1.一种基于测量值驱动自适应估计新生目标强度的多目标跟踪方法，其特征在于，所述多目标跟踪方法包括以下步骤：
步骤1：初始化强度函数v0(x)；
步骤2：预测存活目标的强度vs,k|k-1(x)；
步骤3：预测新生目标的强度vγ,k|k-1(x)；
步骤4：对测量值集合Zk进行划分，将其分为存活目标测量值集合Zs,k、新生目标测量值集合Zγ,k和杂波测量值集合Zc,k；
步骤5：根据步骤4分出的存活目标测量值集合Zs,k和新生目标测量值集合Zγ,k对步骤2中预测的存活目标强度vs,k|k-1(x)和步骤3中预测的新生目标强度vγ,k|k-1(x)进行更新；
步骤6：利用剪枝阈值Tth及合并阈值U对步骤5中的更新结果进行剪枝与合并；
步骤7：设定目标状态提取阈值wth，并提取步骤6中权值大于阈值的目标强度作为最终的跟踪结果。


2.根据权利要求1所述多目标跟踪方法，其特征在于，所述步骤1中强度函数v0(x)为，



其中，表示均值为协方差为的高斯密度函数，并且为目标的权值，J0为初始化目标个数。


3.根据权利要求1所述多目标跟踪方法，其特征在于，所述步骤2中预测存活目标的强度vs,k|k-1(x)为，



其中，表示均值为协方差为的高斯密度函数，并且为预测的存活目标权值，Js,k|k-1为预测的存活目标个数。


4.根据权利要求1所述多...

【专利技术属性】
技术研发人员：齐滨，梁国龙，张博宇，付进，王燕，邹男，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23