【技术实现步骤摘要】
本申请涉及目标跟踪领域，特别是涉及一种多目标跟踪方法、装置、介质。
技术介绍
1、随着图像处理在民用和商用领域的广泛应用，多目标跟踪在智能视频监控、自动驾驶和无人超市等领域起到日益重要的作用。相较于单目标跟踪，多目标跟踪技术需要对成像设备所采集到的图像中的多个目标进行跟踪时，还存在量测来源不确定的问题，因此，多目标跟踪不仅需要对时变目标的个数和状态进行估计，更重要的是解决数据关联问题，以正确地将每个量测分配给正确的目标，提高多目标跟踪的准确率。
2、目前常用的多目标检测算法为基于多目标多伯努利的检测前跟踪方法(mb-tbd)，只要已知目标能量的点扩展函数，对目标能量的扩散程度并没有限制。mb-tbd方法与单目标检测前跟踪的粒子滤波方法的不同之处在于将目标存在概率的计算用变量代替，使之能组成参数集用于多目标的管理，并将方法扩展到多目标跟踪的应用。由于mb-tbd方法的推导基于目标不相重叠的假设，但是在预测步骤的方程中，违背了目标区域不重叠的假设条件，使得同一个量测区域被不同目标重复使用，导致目标过估计的问题，当目标存在交叉或相近的情况时，mb-tbd方法仍将失效，产生相近或交叉航迹目标的误跟踪问题。
3、由此可见，如何提供一种更准确的多目标跟踪方法，以防止目标相近或航迹交叉时所产生的误跟踪问题，是本领域技术人员亟需解决的问题。
技术实现思路
1、本申请的目的是为了解决现有技术中由于同一量测区域被不同目标重复使用导致目标过估计，在目标轨迹相近或交叉时无法准确跟踪
2、为了解决上述技术问题，本申请提供了一种多目标跟踪方法，包括：
3、获取待跟踪目标的状态观测值和历史状态值；其中，所述状态观测值为根据包含待跟踪目标的当前帧图像确定的值，所述历史状态值为上一帧图像中所述待跟踪目标的目标状态值，所述状态观测值和所述历史状态值均包括位置信息和速度信息；
4、根据所述状态观测值和所述历史状态值确定当前多伯努利参数集，并确定所述当前多伯努利参数集的待定新增目标；
5、基于脉冲耦合神经网络对所述当前多伯努利参数集进行粒子状态平滑估计，以获取各所述待跟踪目标收敛的目标状态估计值，并根据各目标的距离信息对所述当前多伯努利参数集中各待定新增目标的存在概率进行更新；
6、根据所述目标状态估计值和历史目标状态估计值生成跟踪轨迹；其中，所述历史目标状态估计值为根据所述当前帧图像前的各帧图像确定的值。
7、优选的，所述根据所述状态观测值和所述历史状态值确定当前多伯努利参数集包括：
8、建立所述待跟踪目标的运动模型和量测模型，并根据所述运动模型和所述量测模型对所述状态观测值进行处理，以确定待定新增目标集；
9、利用状态转移模型对所述历史状态值进行处理，以确定状态转移粒子集；
10、根据所述待定新增目标集和所述状态转移粒子集确定所述当前多伯努利参数集。
11、优选的，所述基于脉冲耦合神经网络对所述当前多伯努利参数集进行粒子状态平滑估计包括：
12、判断待处理目标的存在概率是否大于第一存在概率阈值；
13、若大于所述第一存在概率阈值，则判断待处理目标是否为待定新增目标；
14、若为所述待定新增目标，则计算所述待定新增目标的期望值以确定所述待处理目标的目标状态估计值；
15、若不为所述待定新增目标，则根据脉冲耦合神经网络分别计算所述待处理目标的f通道值和l通道值，并基于脉冲耦合神经网络的点火门限值、粒子状态影响值等参数对所述待处理目标进行平滑估计，以获取收敛的所述待处理目标的目标状态估计值。
16、优选的，所述获取待跟踪目标的状态观测值和历史状态值的步骤前，还包括：
17、根据所述目标状态值确定粒子状态空间，并初始化与各所述待跟踪目标对应的粒子的目标状态值。
18、优选的，所述确定所述当前多伯努利参数集的待定新增目标包括：
19、为所述当前多伯努利参数集中的各个目标设置编号信息；
20、将所述待定新增目标的编号设为0，并设置所述待定新增目标的存在概率；
21、相应的，所述根据各目标的距离信息对所述当前多伯努利参数集中各待定新增目标的存在概率进行更新包括：
22、判断编号为0的目标与各非零目标间的最小欧式距离是否大于距离阈值；
23、若不大于所述距离阈值，则将所述编号为0的目标的存在概率设为最小值；
24、若大于所述距离阈值，则确定所述编号为0的目标为新增目标，并更新其编号。
25、优选的，所述根据各目标的距离信息对所述当前多伯努利参数集中各待定新增目标的存在概率进行更新的步骤后，还包括：
26、删除所述当前多伯努利参数集中存在概率小于第二存在概率阈值的目标；
27、对所述当前多伯努利参数集中的目标进行重采样。
28、优选的，所述根据所述目标状态估计值和历史目标状态估计值生成跟踪轨迹包括：
29、计算所述当前帧图像对应的所述当前多伯努利参数集中各目标的状态估计值的平均值，以确定各所述待跟踪目标在所述当前帧图像中的位置信息和速度信息；
30、结合历史图像中各粒子的位置信息和速度信息生成所述待跟踪目标的跟踪轨迹。
31、为了解决上述技术问题，本申请还提供了一种多目标跟踪装置，包括：
32、获取模块，用于获取待跟踪目标的状态观测值和历史状态值；其中，所述状态观测值为根据包含待跟踪目标的当前帧图像确定的值，所述历史状态值为上一帧图像中所述待跟踪目标的目标状态值，所述状态观测值和所述历史状态值均包括位置信息和速度信息；
33、确定模块，用于根据所述状态观测值和所述历史状态值确定当前多伯努利参数集，并确定所述当前多伯努利参数集的待定新增目标；
34、平滑估计模块，用于基于脉冲耦合神经网络对所述当前多伯努利参数集进行粒子状态平滑估计，以获取各所述待跟踪目标收敛的目标状态估计值，并根据各目标的距离信息对所述当前多伯努利参数集中各待定新增目标的存在概率进行更新；
35、生成模块，用于根据所述目标状态估计值和历史目标状态估计值生成跟踪轨迹；其中，所述历史目标状态估计值为根据所述当前帧图像前的各帧图像确定的值。
36、为了解决上述技术问题，本申请还提供了一种多目标跟踪装置，包括存储器，用于存储计算机程序；
37、处理器，用于执行所述计算机程序时实现所述的多目标跟踪方法的步骤。
38、为了解决上述技术问题，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现所述的多目标跟踪方法的步骤。
39、本申请提供了一种多目标跟踪方法，包括：获取待跟踪目本文档来自技高网...
【技术保护点】
1.一种多目标跟踪方法，其特征在于，包括：
2.根据权利要求1所述的多目标跟踪方法，其特征在于，所述根据所述状态观测值和所述历史状态值确定当前多伯努利参数集包括：
3.根据权利要求2所述的多目标跟踪方法，其特征在于，所述基于脉冲耦合神经网络对所述当前多伯努利参数集进行粒子状态平滑估计包括：
4.根据权利要求1所述的多目标跟踪方法，其特征在于，所述获取待跟踪目标的状态观测值和历史状态值的步骤前，还包括：
5.根据权利要求1所述的多目标跟踪方法，其特征在于，所述确定所述当前多伯努利参数集的待定新增目标包括：
6.根据权利要求1所述的多目标跟踪方法，其特征在于，所述根据各目标的距离信息对所述当前多伯努利参数集中各待定新增目标的存在概率进行更新的步骤后，还包括：
7.根据权利要求6所述的多目标跟踪方法，其特征在于，所述根据所述目标状态估计值和历史目标状态估计值生成跟踪轨迹包括：
8.一种多目标跟踪装置，其特征在于，包括：
9.一种多目标跟踪装置，其特征在于，包括存储器，用于存储计算机程序；p>
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的多目标跟踪方法的步骤。
...【技术特征摘要】
1.一种多目标跟踪方法，其特征在于，包括：
2.根据权利要求1所述的多目标跟踪方法，其特征在于，所述根据所述状态观测值和所述历史状态值确定当前多伯努利参数集包括：
3.根据权利要求2所述的多目标跟踪方法，其特征在于，所述基于脉冲耦合神经网络对所述当前多伯努利参数集进行粒子状态平滑估计包括：
4.根据权利要求1所述的多目标跟踪方法，其特征在于，所述获取待跟踪目标的状态观测值和历史状态值的步骤前，还包括：
5.根据权利要求1所述的多目标跟踪方法，其特征在于，所述确定所述当前多伯努利参数集的待定新增目标包括：
6.根据权利要求...
【专利技术属性】
技术研发人员：朱健东，李勇强，乔利娟，栗鹏飞，丁婷，楚彩虹，江兴盟，刘宇，马骅，
申请(专利权)人：郑州铁路职业技术学院，
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。