[發明專利]一種基于鴿群智能優化卡爾曼濾波參數的目標跟蹤方法

在審

• 申請號: 201510781650.9
• 申請日: 2015-11-13
• 公開（公告）號: CN105469422A
• 公開（公告）日: 2016-04-06
• 發明（設計）人: 段海濱;趙國治
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 北京慧泉知識產權代理有限公司 11232
• 代理人: 王順榮;唐愛華

技術領域

本發明涉及一種基于鴿群智能優化卡爾曼濾波參數的目標跟蹤方法，屬于 自動化技術領域。

背景技術

在現代智能視頻檢測系統中，對于動態目標的實時跟蹤是非常有必要的。 但是因為測量上的噪聲或者其他因素在一定程度上還是會影響到對于動態目標 的實時跟蹤。隨著現代計算機技術和材料科學的飛速發展，限制實時跟蹤的因 素越來越向智能算法方向靠攏。為了解決這一問題，越來越多的人們不斷地投 入到對智能算法的研究中。像遺傳算法，粒子群算法等經過了多年的發展已經 變得日趨成熟，智能算法已經逐漸演變成一門非常重要的學科。人們在研究過 去經典算法的同時，也在不斷提出新的算法。雖然新的算法可能在它誕生之初 并不比原來的算法所達到的效果更好，但是在未來的發展中，它可能會被改進 和優化，因此，新的算法為智能算法這一學科不斷注入新鮮的血液，它們的作 用是不可忽視的。

卡爾曼濾波在它提出伊始就體現出了強大的生命力，它由于能夠預測下一 時刻的狀態值而獲得了廣泛地應用。但是卡爾曼濾波也有它自己的缺陷，比如 它必須要知道量測噪聲協方差等信息才能準確預測下一時刻的狀態信息。為此， 有許多人提出了對卡爾曼濾波器進行優化并且為之付出了實踐。卡爾曼濾波器 已經為人所熟知，它的基本流程框圖如圖4所示。

群體智能作為仿生智能的一個重要分支越來越被人們所關注，人們通過對 自然界里的生物群體的觀察，記錄它們的生活習慣受到啟發，并對它們建立起 數學模型，并以此來分析一些與數學有關的問題。人們受此啟發，將智能算法 來優化卡爾曼濾波器的一些系數，并且取得了比單獨使用卡爾曼濾波器更好的 效果。

目前，有人用遺傳算法優化了卡爾曼濾波器的參數，也有人使用粒子群算 法優化卡爾曼濾波器的參數，受此啟發，我們用另一種新興的智能算法來優化 卡爾曼濾波器的參數，并且與粒子群算法的優化效果作出了對比，結果發現優 化效果相差不大，但是時間方面卻會縮短，因此對于實時跟蹤一個運動目標是 十分有利的。

這種新興智能算法是在2014年由HaibinDuan和PeixinQiao提出的一種新 型的啟發式群智能優化算法，名為鴿群算法(PigeonInspiredOptimization，PIO)。 顧名思義，這種算法是受到鴿群行為的啟發而提出來的。根據鴿子在尋找食物 過程中先后把地磁場和地標作為參考的行為特點，建立起地圖羅盤和地標兩種 運算機制。

鴿子在尋找食物的過程中，會首先依照磁場進行初步的定位，然后再根據 地標進行精確定位。根據鴿子的這種行為，鴿群算法提出了與之相對應的兩種 算子，分別稱為地圖羅盤算子和地標算子，并結合這兩種算子對實際問題進行 優化。

(1)地圖羅盤算子

在地圖和羅盤算子中，鴿群根據地圖和羅盤的指引方式前進，在D維 空間里，第i只鴿子的位置信息X_i每一代更新一次，具體的更新準則如下式 所示：

mbest(t+1)=1NpΣi=1NpPi(t)---(1)]]>

P_iP_g(t+1)＝f(t+1)×P_i(t)+(1-f(t+1))×P_g(t)(2)