[發明專利]一種交互式多模伯努利濾波的機動弱目標檢測前跟蹤方法

有效

• 申請號: 201710945206.5
• 申請日: 2017-10-12
• 公開（公告）號: CN107703496B
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 吳孫勇;劉義強;薛秋條;蔡如華;寧巧嬌;孫希延;紀元法
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G01S7/48
• 分類號: G01S7/48;G01S17/66;G01S17/89;G06T7/20
• 代理公司: 桂林市持衡專利商標事務所有限公司 45107
• 代理人: 陳躍琳

1.一種交互式多模伯努利濾波的機動弱目標檢測前跟蹤方法，其特征是，包括步驟如下：

步驟1、初始化目標狀態：根據目標運動場景，設定初始時刻目標粒子的狀態參數，并用設定的狀態參數作為目標的初始分布，采樣固定數目的初始目標粒子，并將初始目標采樣粒子用伯努利隨機集的參數集形式表示，得到初始時刻目標采樣粒子伯努利隨機集的后驗分布；

步驟2、預測目標狀態：利用前一時刻目標采樣粒子伯努利隨機集的后驗分布和灰度圖像量測數據，用交互式多模方法對目標采樣粒子進行預測，得到當前時刻預測的目標采樣粒子伯努利隨機集的后驗分布；其中具體預測方法可由下列步驟來完成：

第2.1步，對k-1時刻更新后的目標采樣粒子伯努利隨機集后驗分布，進行重采樣得到k-1時刻存活粒子的采樣樣本；

第2.2步，根據k-1時刻灰度圖像量測數據z_k-1，采樣B個新生粒子；

第2.3步，將存活粒子采樣與新生粒子采樣合并，結合交互式多模方法對采樣粒子進行預測，具體方式表示如下：

由每個模型預測得到的粒子和模型權概率得到交互多模型混合粒子，具體計算如下：

其中模型權概率計算：

第2.4步，計算目標的預測存在概率：

q_k|k-1＝p_b·(1-q_k-1|k-1)+p_s·q_k-1|k-1

第2.5步，計算預測粒子對應的預測權重：

上述各式中，l＝1,…,N+B，N+B表示初始時刻的目標采樣粒子數目；B表示新生粒子個數；c＝1,…,s，s表示模型總個數；為模型c對應的狀態轉移方程，ν_k為狀態噪聲，表示前一時刻第l個目標采樣粒子狀態，表示模型c預測得到的粒子，表示從前一時刻到當前時刻第l個目標采樣粒子狀態的預測，表示模型c權概率；表示預測模型c概率，表示模型c預測粒子量測似然比，p_b表示目標的新生概率，p_s表示目標持續存活的概率，q_k|k-1表示從前一時刻到當前時刻目標采樣粒子存在概率的預測，q_k-1|k-1表示前一時刻的目標存在概率，表示從前一時刻到當前時刻第l個目標采樣粒子的權重的預測，表示前一時刻目標采樣粒子的權重；

步驟3、更新目標狀態：利用當前時刻的灰度圖像量測數據，計算每個預測的目標采樣粒子對應的量測似然比；并根據量測似然比，對當前時刻預測的目標采樣粒子進行更新，得到當前時刻更新的目標采樣粒子伯努利隨機集的后驗分布；

步驟4、狀態估計：對更新后的目標粒子進行重采樣，并得到當前時刻目標采樣粒子伯努利隨機集的后驗分布；根據當前時刻目標采樣粒子伯努利隨機集的后驗分布，選取存在概率大于或等于預設存在概率值的目標采樣粒子的狀態，作為當前時刻真實存在的目標狀態；

步驟5、判斷所有灰度圖像是否處理完畢，若是，執行步驟6，否則，執行步驟2，處理下一幀圖像；

步驟6、結束。

2.根據權利要求1所述的一種交互式多模伯努利濾波的機動弱目標檢測前跟蹤方法，其特征是，步驟1中，設定初始時刻目標粒子的狀態參數包括存在概率、模型權概率、狀態和權重，其中狀態進一步包括位置、速度和強度。

3.根據權利要求1或2所述的一種交互式多模伯努利濾波的機動弱目標檢測前跟蹤方法，其特征是，步驟1中，初始時刻目標采樣粒子伯努利隨機集的后驗分布為：

其中，q₀表示初始時刻目標采樣粒子的存在概率；表示初始時刻第l個目標采樣粒子的模型權概率；表示初始時刻第l個目標采樣粒子的狀態；表示初始時刻第l個目標采樣粒子狀態對應的狀態權重；N+B表初始時刻的目標采樣粒子數目。