【技术实现步骤摘要】
一种基于社会力模型的多目标跟踪方法
[0001]本专利技术属于电子对抗
,具体的说是涉及一种基于社会力模型的多目标跟踪方法。
技术背景
[0002]地面目标的跟踪在局部监控,交通状况监测和控制等方面有重要的意义,其中一个重要的应用就是实时监控一个特定区域内目标的运动轨迹,实现流量的监控与管理。为了能够更好的实现目标的跟踪,需要对目标的运动模型进行一定修正。现有的多目标跟踪的运动模型选取,大多基于一个最基本的假设:即每个目标之间的运动都是相互独立,互不影响的。但是,实际中往往并非如此,目标在运动过程中很可能会受到其他目标,环境障碍物和其他一些因素的影响。因此,实际的运动状况和基于独立运动的传统运动模型会发生失配,从而影响跟踪的效果。
[0003]MeMBer滤波器是对伯努利滤波器的多目标扩展,它的一个主要特点是以概率形式描述运动轨迹的存在与否。它按照时间顺序传递以下形式的信息:
[0004][0005]其中s代表轨迹的概率分布,p代表该轨迹的存在概率(也即轨迹为一个实际目标的概率),n代表轨迹个数。下标0|0表示初始时刻的先验信息,k
‑
1|k
‑
1表示k
‑
1时刻的信息,k|k
‑
1表示在尚未得到k时刻的观测信息之前,通过运动方程计算得到的预测信息,k|k表示在预测信息基础上,通过得到的观测信息构建观测方程,计算得到的k时刻的信息。
技术实现思路
[0006]本专利技术针对上述情况,提出了一种社会力的运动模型 ...
【技术保护点】
【技术特征摘要】
1.一种基于社会力模型的多目标跟踪方法,其特征在于,包括:定义多目标跟踪场景内初始时刻有n
0|0
个目标,在k
‑
1时刻目标i受到的社会力为:ρ
k
‑1(i)=α
k
‑1(i)+β
k
‑1(i)其中,其中,α
k
‑1(i)为目标i在k
‑
1时刻受到的吸引力,β
k
‑1(i)为目标i在k
‑
1时刻受到的排斥力,为目标i的期望速度,v
k
‑1(i)为目标i的实际速度,e
k
‑1(i)为k
‑
1时刻从目的地指向目标i位置的归一化方向向量,τ(i)为松弛时间,Ξ为所有目标的集合,O为所有障碍物的集合,β
k
‑1(i,j)为目标i受到目标j的排斥力,i≠j:r(i,j)为两个目标的半径r(i)和r(j)之和,m(i)为目标i的质量,p(i,j)代表权重,a(j)和b(j)分别为目标j对其他目标排斥力的幅度参数和范围参数,d
k
‑1(i,j)为k
‑
1时刻目标i和目标j之间的距离,n
k
‑1(i,j)为k
‑
1时刻从目标j指向目标i的归一化方向向量;将社会力模型添加到目标的运动方程中,目标的观测模型不变,从而建立单个目标的运动方程为:x
k|k
‑1(i)=f(x
k
‑
1|k
‑1(i))+G
·
ρ
k
‑1(i)+v
k
其中,x
k
‑
1|k
‑1(i)为目标k
‑
1时刻的运动状态,x
k|k
‑1(i)是通过运动方程计算得出用于预测k时刻的运动状态,f(
·
)为未考虑到社会力模型的初始运动状态转移函数,G为一个常数矩阵,它的元素的值取决于运动参数的类型,v
k
为过程噪声;将社会力模型集成到势均衡多目标多伯努利滤波器中进行多目标跟踪,势均衡多目标多伯努利滤波器按照时间顺序传递以下形式的信息:其中s代表轨迹的概率分布,p代表该轨迹的存在概率,n代表轨迹个数,下标0|0表示初始时刻的先验信息,k
‑
1|k
‑
1表示k
‑
1时刻的信息,k|k
‑
1表示在尚未得到k时刻的观测信息之前,通过运动方程计算得到的预测信息,k|k表示在预测信息基础上,通过得到的观测信息构建观测方程,计算得到的k时刻的信息;采用序贯蒙特卡洛方法来实现势均衡多目标多伯努利滤波器,对于每一个概率分布s
i
(x),有近似其中w
l
(i)是权重,x
l
(i)为狄拉克函数的冲激点,v
i
为粒子数目,因此定义用来替代概率分布s
i
(x);所述跟踪方法包括:S1、初始化:若已知先验状态信息则直接转到S2;在未知先验状态
信息的情况下,定义对于所有...
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。