目标跟踪方法、设备及可读存储介质技术

本申请公开了一种目标跟踪方法、装置、设备及可读存储介质，属于目标跟踪技术领域。本申请通过获取k时刻之前临近k时刻的多个航迹点作为第一量测值，输入卷积门控循环单元，其中，卷积门控循环单元用于根据第一量测值输出k时刻的航迹运动模型预测概率；根据k时刻IMM

【技术实现步骤摘要】
目标跟踪方法、设备及可读存储介质


[0001]本申请涉及目标跟踪
，尤其涉及目标跟踪方法、设备及可读存储介质。

技术介绍

[0002]多目标跟踪任务在航迹关联环节将不同的航迹数据点划分到对应的目标，此时多目标跟踪任务就被划分为多个单目标跟踪任务，但实际追踪的目标可能是具有不同运动模式的混合系统。
[0003]在基于交互多模型的容积卡尔曼滤波算法(IMM
‑
CKF，Interacting Multi ple Model
‑
Cubature Kalman Filter)中，用目标由第i个运动模型转移到第j个运动模型的概率，来描述多个航迹运动模型的相互作用。但是由于IMM
‑
CKF在局部量测值偏差较大时，会造成IMM
‑
CKF中模型变化的概率与真实情况相差较大，从而导致在模型输出时融合各个滤波器的状态值的权重与真实情况不符。
[0004]上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0005]本申请的主要目的在于提供一种目标跟踪方法、装置、设备及可读存储介质，旨在解决交互式多模型IMM算法中的模型概率不准确导致其跟踪效果差的技术问题。
[0006]为实现上述目的，本申请提供一种目标跟踪方法，所述目标跟踪方法包括以下步骤：
[0007]获取k时刻之前临近k时刻的多个航迹点作为第一量测值，输入卷积门控循环单元，其中，所述卷积门控循环单元用于根据所述第一量测值输出k时刻的航迹运动模型预测概率；
[0008]根据所述k时刻IMM
‑
CKF模型中的航迹运动模型的数量、航迹运动模型概率和所有航迹运动模型的概率平均值，计算在所述k时刻对应的IMM
‑
CKF模型概率的离散度；
[0009]将所述航迹运动模型预测概率输入所述IMM
‑
CKF模型，以供所述IMM
‑
CKF模型根据所述航迹运动模型预测概率和所述离散度确定k+1时刻的混合状态估计值。
[0010]可选地，所述将所述航迹运动模型预测概率输入所述IMM
‑
CKF模型，以供所述IMM
‑
CKF模型根据所述航迹运动模型预测概率和所述离散度确定k+1时刻的混合状态估计值的步骤之后包括：
[0011]基于所述离散度和所述航迹运动模型预测概率，计算得到所述k时刻航迹运动模型的调和估计概率；
[0012]基于所述k时刻IMM
‑
CKF模型中的航迹运动模型概率、各个航迹运动模型通过状态转移矩阵转移为预设航迹运动模型的转移概率和所述调和估计概率，计算得到各个航迹运动模型的第一状态误差协方差矩阵和转移概率总和。
[0013]可选地，所述基于所述k时刻IMM
‑
CKF模型中的航迹运动模型概率、各个航迹运动
模型通过状态转移矩阵转移为预设航迹运动模型的转移概率和所述调和估计概率，计算得到各个航迹运动模型的第一状态误差协方差矩阵和转移概率总和的步骤之后包括：
[0014]获取k+1时刻之前临近k+1时刻的单个航迹点作为第二量测值，输入所述IMM
‑
CKF模型；
[0015]基于所述k+1时刻所述IMM
‑
CKF模型中各个航迹运动模型的输入值和所述第一状态误差协方差矩阵，以及所述第二量测值，计算得到所述k+1时刻各个航迹运动模型的第二状态估计值和第二状态误差协方差矩阵。
[0016]可选地，所述基于所述k+1时刻所述IMM
‑
CKF模型中各个航迹运动模型的输入值和所述第一状态误差协方差矩阵，以及所述第二量测值，计算得到所述k+1时刻各个航迹运动模型的第二状态估计值和第二状态误差协方差矩阵的步骤之后包括：
[0017]基于所述第二量测值、所述第二状态估计值、所述第二状态误差协方差矩阵、所述IMM
‑
CKF模型中航迹运动模型在所述k+1时刻的状态转移矩阵和k+1时刻的第二量测噪声，计算得到所述k+1时刻IMM
‑
CKF模型中的航迹运动模型概率；
[0018]基于所述k+1时刻IMM
‑
CKF模型中的航迹运动模型概率和所述转移概率总和，计算得到所述k+1时刻所述IMM
‑
CKF模型中航迹运动模型的更新概率。
[0019]可选地，所述基于所述k+1时刻IMM
‑
CKF模型中的航迹运动模型概率和所述转移概率总和，计算得到所述k+1时刻所述IMM
‑
CKF模型中航迹运动模型的更新概率的步骤之后包括：
[0020]基于所述第二状态估计值和所述更新概率，输出第二时刻的混合状态估计值；
[0021]基于所述第二状态误差矩阵、所述第二状态估计值和所述混合状态估计值的误差，生成混合状态误差协方差矩阵。
[0022]可选地，所述基于所述k时刻IMM
‑
CKF模型中的航迹运动模型概率、各个航迹运动模型通过状态转移矩阵转移为预设航迹运动模型的转移概率和所述调和估计概率，计算得到各个航迹运动模型的第一状态误差协方差矩阵和转移概率总和的步骤包括：
[0023]基于所述k时刻IMM
‑
CKF模型中的航迹运动模型概率和各个航迹运动模型通过状态转移矩阵转移为预设航迹运动模型的转移概率，计算得到转移概率总和；
[0024]基于所述转移概率和所述转移概率总和，计算得到所述各个航迹运动模型的转移概率占所述转移概率总和的比例；
[0025]基于所述比例和所述k时刻IMM
‑
CKF模型中的航迹运动模型概率，计算得到所述第一状态误差协方差矩阵。
[0026]可选地，所述k+1时刻所述IMM
‑
CKF模型中各个航迹运动模型的输入值的计算原理，包括：
[0027]基于k时刻的第一状态估计值和所述比例，计算得到k+1时刻所述IMM
‑
CKF模型中各个航迹运动模型的输入值。
[0028]可选地，所述基于所述第二量测值、所述第二状态估计值、所述第二状态误差协方差矩阵、所述IMM
‑
CKF模型中航迹运动模型在所述k+1时刻的状态转移矩阵和k+1时刻的第二量测噪声，计算得到所述k+1时刻IMM
‑
CKF模型中的航迹运动模型概率的步骤包括：
[0029]基于所述第二量测值和所述第二状态估计值，计算得到各个航迹运动模型在k+1时刻的残差；
[0030]基于所述第二状态误差协方差矩阵、所述IMM
‑
CKF模型中航迹运动模型在所述k+1时刻的状态转移矩阵和k+1时刻的第二量测噪声，计算得到所述残差对应的协方差矩阵；
[0031]基于所述残差和所述协方差矩阵，计算得到所述k+1时刻IMM
‑
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标跟踪方法，其特征在于，所述目标跟踪方法包括以下步骤：获取k时刻之前临近k时刻的多个航迹点作为第一量测值，输入卷积门控循环单元，其中，所述卷积门控循环单元用于根据所述第一量测值输出k时刻的航迹运动模型预测概率；根据所述k时刻IMM
‑
CKF模型中的航迹运动模型的数量、航迹运动模型概率和所有航迹运动模型的概率平均值，计算在所述k时刻对应的IMM
‑
CKF模型概率的离散度；将所述航迹运动模型预测概率输入所述IMM
‑
CKF模型，以供所述IMM
‑
CKF模型根据所述航迹运动模型预测概率和所述离散度确定k+1时刻的混合状态估计值。2.如权利要求1所述的目标跟踪方法，其特征在于，所述将所述航迹运动模型预测概率输入所述IMM
‑
CKF模型，以供所述IMM
‑
CKF模型根据所述航迹运动模型预测概率和所述离散度确定k+1时刻的混合状态估计值的步骤之后包括：基于所述离散度和所述航迹运动模型预测概率，计算得到所述k时刻航迹运动模型的调和估计概率；基于所述k时刻IMM
‑
CKF模型中的航迹运动模型概率、各个航迹运动模型通过状态转移矩阵转移为预设航迹运动模型的转移概率和所述调和估计概率，计算得到各个航迹运动模型的第一状态误差协方差矩阵和转移概率总和。3.如权利要求2所述的目标跟踪方法，其特征在于，所述基于所述k时刻IMM
‑
CKF模型中的航迹运动模型概率、各个航迹运动模型通过状态转移矩阵转移为预设航迹运动模型的转移概率和所述调和估计概率，计算得到各个航迹运动模型的第一状态误差协方差矩阵和转移概率总和的步骤之后包括：获取k+1时刻之前临近k+1时刻的单个航迹点作为第二量测值，输入所述IMM
‑
CKF模型；基于所述k+1时刻所述IMM
‑
CKF模型中各个航迹运动模型的输入值和所述第一状态误差协方差矩阵，以及所述第二量测值，计算得到所述k+1时刻各个航迹运动模型的第二状态估计值和第二状态误差协方差矩阵。4.如权利要求3所述的目标跟踪方法，其特征在于，所述基于所述k+1时刻所述IMM
‑
CKF模型中各个航迹运动模型的输入值和所述第一状态误差协方差矩阵，以及所述第二量测值，计算得到所述k+1时刻各个航迹运动模型的第二状态估计值和第二状态误差协方差矩阵的步骤之后包括：基于所述第二量测值、所述第二状态估计值、所述第二状态误差协方差矩阵、所述IMM
‑
CKF模型中航迹运动模型在所述k+1时刻的状态转移矩阵和k+1时刻的第二量测噪声，计算得到所述k+1时刻IMM
‑
CKF模型中的航迹运动模型概率；基于所述k+1时刻IMM
‑
CKF模型中的航迹运动模型概率和所述转移概率总和，计算得到所述k+1时刻所述IMM
...

【专利技术属性】
技术研发人员：张新球，何昊，蓝海梅，
申请(专利权)人：深圳华创电科技术有限公司，
类型：发明
国别省市：