【技术实现步骤摘要】
本专利技术属于目标跟踪，特别是一种基于概率分布的多目标关联匹配和跟踪方法。
技术介绍
1、目标检测传感器广泛应用在智慧交通、无人驾驶、机器人等领域，用于探测车辆、行人等目标，包括毫米波雷达、激光雷达、视频检测器等。然而由于受到内部或者外部的干扰以及受到传感器物理原理和硬件条件限制，很多目标检测传感器都存在数据离散、稀疏、误差大等特点，导致相邻帧同一个目标误匹配或者匹配不上，导致目标检测传感器的跟踪效果差强人意。此外目标检测传感器在实际使用中受到建筑物、其他目标的遮挡，导致目标检测丢失，虽然遮挡的时间并不长，但是由于目标的运动特点，当其再次被检测到时，其位置、速度等属性已经发生了较大的变化，通常在这种情况下，目标检测传感器也无法保持对目标的连续跟踪。如何提高目标检测传感器的跟踪效果，在受限的条件下避免目标检测误差偏大后立刻跟踪失败、检测丢失后立刻跟踪失败的情况，是当前目标检测传感器使用的痛点和难点之一。
技术实现思路
1、本专利技术的目的在于针对现有技术存在的不足，提供一种对目标检测误差容忍...
【技术保护点】
1.一种基于概率分布的多目标关联匹配和跟踪方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于概率分布的多目标关联匹配和跟踪方法，其特征在于，步骤1中所述目标识别算法包括视频流目标检测深度学习算法、点云聚类分割机器学习算法。
3.根据权利要求1所述的基于概率分布的多目标关联匹配和跟踪方法，其特征在于，步骤3中目标属性概率分布函数为其中αi表示第i个属性，i＝1…N，N表示属性个数，分别表示Tk时刻第i个属性的均值和标准差。
4.根据权利要求1所述的基于概率分布的多目标关联匹配和跟踪方法，其特征在于，步骤5具体包括：...
【技术特征摘要】
1.一种基于概率分布的多目标关联匹配和跟踪方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于概率分布的多目标关联匹配和跟踪方法，其特征在于，步骤1中所述目标识别算法包括视频流目标检测深度学习算法、点云聚类分割机器学习算法。
3.根据权利要求1所述的基于概率分布的多目标关联匹配和跟踪方法，其特征在于，步骤3中目标属性概率分布函数为其中αi表示第i个属性，i＝1…n，n表示属性个数，分别表示tk时刻第i个属性的均值和标准差。
4.根据权利要求1所述的基于概率分布的多目标关联匹配和跟踪方法，其特征在于，步骤5具体包括：针对检测目标的目标列表和预测目标的目标列表，计算两个目标列表中两两目标对应的目标属性概率分布函数的相似度，作为两个目标相似度的评价。
5.根据权利要求4所述的基于概率分布的多目标关联匹配和跟踪方法，其特征在于，所述目标属性概率分布函数...
【专利技术属性】
技术研发人员：钱超，项俊平，许必承，杨权，陈健，关夏，乜灵梅，唐鑫，付珊，马广露，
申请(专利权)人：连云港杰瑞电子有限公司，
类型：发明
国别省市：
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。