【技术实现步骤摘要】
一种基于高斯过程的中断航迹关联方法
本专利技术属于目标检测跟踪
,涉及一种基于高斯过程的中断航迹关联方法。
技术介绍
由于目标检测概率低、采样间隔大、测量误差大,或目标被遮挡物遮盖等原因常常会发生目标航迹中断的情况。航迹中断会影响传感器信息分析的难度,增加传感器的储存负担,此外还会导致跟踪器对目标总数判断错误、跟踪器整体性能下降进而影响态势评估。因此在发生航迹中断时,需要对中断航迹进行关联处理以提高航迹质量。不同于点迹-点迹关联,中断航迹关联是一种在航迹-航迹之间关联的情况。传统的中断航迹关联算法都依赖于一个潜在的目标动力学模型,通常假设目标的运动依赖于一种常见的运动模型,在实际情况中,目标的实际运动并不一定与假设的运动模型相匹配,通过添加噪声难以平衡这种不匹配。此外目标运动是一个不断变化的过程,需要大量的模型和模型切换来模拟目标的运动并确定好的估计值,即使模型间的转换过程是先验的,用大量的模型来设计一个实际的系统也会增加算法的复杂性。本专利技术提出了一种基于高斯过程的中断航迹关联算法。该专利技术利用高斯过程的方法对中断航迹进行预测平滑处理,不依赖于模型假设。对处理后的中断航迹集合进行筛选配对,最终利用高斯过程对中断航迹进行缝合得到完整航迹。
技术实现思路
本专利技术的目的是针对现有技术难以摆脱模型假设的不足,提出了一种基于高斯过程的中断航迹关联方法,包括以下步骤:步骤(1)、将中断航迹进行分类并得到初始航迹集合;步骤(2)、利用高斯过程对目标运动的未知函数进行学习, ...
【技术保护点】
1.一种基于高斯过程的中断航迹关联方法,其特征在于,该方法具体包括以下步骤:/n步骤(1)、将中断航迹进行分类并得到初始航迹集合;/n步骤(2)、利用高斯过程对目标运动的未知函数进行学习,对初始航迹对中的新旧航迹进行预测和反向预测;/n步骤(3)、将步骤(2)处理后得到的航迹片段分别进行速度筛选、二元假设检验并进行二维分配解决多义性问题,得到最优分配航迹集合Φ
【技术特征摘要】
1.一种基于高斯过程的中断航迹关联方法,其特征在于,该方法具体包括以下步骤:
步骤(1)、将中断航迹进行分类并得到初始航迹集合;
步骤(2)、利用高斯过程对目标运动的未知函数进行学习,对初始航迹对中的新旧航迹进行预测和反向预测;
步骤(3)、将步骤(2)处理后得到的航迹片段分别进行速度筛选、二元假设检验并进行二维分配解决多义性问题,得到最优分配航迹集合Φe;
步骤(4)、将得到的最优分配航迹集合的中断航迹预测值利用高斯过程进行融合,得到完整航迹;
将最优分配航迹集合Φe中的旧航迹从时刻根据高斯过程向后预测至时刻得到预测值的集合新航迹由回溯至时刻的集合为假设中断处的航迹为
其中函数g根据高斯过程进行建模,vk表示零均值高斯白噪声;为了对函数g进行学习,选取作为训练集输入集,表示旧航迹的终止时刻,训练集输出为为旧航迹的状态估计;测试集为表示新航迹的起始时刻;根据高斯过程得到
测试输出即为中断处的缝合航迹,表示vk的协方差,是元素为k(uh,i,uh,j)的核函数矩阵;
和分别是元素为和的核函数矩阵。
2.根据权利要求1所述一种基于高斯过程的中断航迹关联方法,其特征在于:所述的步骤(1)将中断航迹进行分类并得到初始航迹集合;具体为:
步骤(1):首先根据航迹长度和起止时间将航迹片段分为旧航迹和新航迹两组;假设旧航迹片段集合为其中旧航迹是指在(k-B,k]期间,该航迹被终止,N表示旧航迹片段数,B为设定的时间间隔;新航迹片段集合为其中新航迹是指在(k-B,k)期间,该航迹被起始,M表示新航迹片段数;k时刻目标航迹的估计状态为其中ξk、分别表示x方向的位置和速度,ηk、分别表示y方向的位置和速度;
对所有新旧航迹进行组合,航迹对的集合记为
其中第n个旧航迹的实际起止时间为第m个新航迹的实际起止时间为
3.根据权利要求1所述一种基于高斯过程的中断航迹关联方法,其特征在于:所述的步骤(2):利用高斯过程对目标运动的未知函数进行学习,对初始航迹对中的新旧航迹进行预测和反向预测;具体为:
假设新旧航迹运动模型分别为
其中表示旧航迹和新航迹的运动函数;分别表示旧航迹和新航迹k时刻目标的状态;为零均值高...
【专利技术属性】
技术研发人员:郭云飞,周硕,何苗苗,申屠晗,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。