[發明專利]基于隨機超曲面的CBMeMBer多目標跟蹤方法

有效

• 申請號: 201810079318.1
• 申請日: 2018-01-26
• 公開（公告）號: CN108320302B
• 公開（公告）日: 2019-10-11
• 發明（設計）人: 姬紅兵;張海濤;張永權;劉龍
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/277
• 分類號: G06T7/277
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

本發明公開了一種基于隨機超曲面的CBMeMBer多目標跟蹤方法，主要解決在對多擴展目標跟蹤過程中無法估計出多擴展目標形狀問題，并且也能降低算法復雜度的同時提高對多擴展目標跟蹤的精度。本發明實現的步驟如下：(1)輸入量測；(2)量測劃分；(3)隨機超曲面建模目標量測源；(4)預測目標狀態；(5)更新目標狀態；(6)修剪目標狀態；(7)提取目標狀態；(8)判斷是否為最后一次迭代，若是，則結束，否則，返回步驟(2)進行下一次跟蹤。本發明通過利用隨機超曲面建模目標量測源，使得能對目標質心位置實時精確估計的同時，也能夠估計出目標的形狀，于此同時降低了算法的時間復雜度。

技術領域

本發明屬于信息處理技術領域，更進一步涉及目標跟蹤技術領域中的一種基于隨機超曲面的勢均衡多目標多伯努利濾波CBMeMBer(Cardinality Balanced Multi-TargetMulti-Bernoulli Filter)多目標跟蹤方法。本發明可以用于將智能交通監控、軍事目標檢測等系統，所檢測到的多個運動目標的觀測信息模擬成的運動目標，進行實時目標跟蹤以及對目標的形狀進行估計。

背景技術

多目標跟蹤不僅在導彈防御、跟蹤與反擊、戰場監視等軍事領域，而且在視頻監控、空中交通管制、醫療診斷等民用領域也具有廣闊的應用前景。傳統的目標跟蹤領域，通常把目標看作點，忽略其形狀信息。而隨著雷達、紅外等傳感器分辨率的不斷提高，可獲得目標信息也隨之增多，綜合利用這些信息，不僅可以提高目標的跟蹤精度和穩定性，同時也能獲得關于目標的屬性，有利于后續進一步處理。傳統的多目標跟蹤算法需要解決復雜的數據關聯問題，計算復雜，適用性較差，對于擴展目標來說這一問題尤為突出。近年來，Mahler提出的基于隨機有限集(RFS)的多目標跟蹤方法由于避免了多目標跟蹤中復雜的數據關聯問題受到普遍關注，并產生了不少成果。Vo在此基礎上提出了勢均衡多目標多伯努利濾波算法，該算法通過傳遞有限的、數目隨時間變化的假設航跡來完整傳遞多目標的存活概率和后驗概率密度函數提高了隨機集濾波的可靠性,但無法估計出多擴展目標形狀。本發明在勢均衡多目標多伯努利濾波算法的基礎上，提出了基于隨機超曲面的CBMeMBer多目標跟蹤方法，估計出多擴展目標形狀的同時，提高跟蹤精度和減小計算復雜度。

河南科技大學在其申請的專利文獻“基于無跡卡爾曼濾波的機動擴展目標跟蹤方法”(專利申請號201610809777.1，公開號CN106443661A)中公開了一種基于無跡卡爾曼濾波的目標跟蹤方法。該方法實現的具體步驟是，(1)對擴展目標運動狀態與擴展形態參數進行初始化；(2)依據擴展目標距離像量測的特點利用支撐函數建立機動擴展目標形態的過程；(3)使用支撐函數通過對目標狀態建模以對各機動模型進行精確描述；(4)無跡卡爾曼濾波與多模型算法相結合建立系統模型集，實現機動擴展目標運動狀態和擴展形態的聯合跟蹤。該方法雖然能夠對機動過程中的擴展目標運動狀態和擴展形態進行有效估計，但是，該方法仍然存在的不足之處是，由于在使用支撐函數對目標狀態聯合建模過程中無法解決數據關聯問題，只能夠實現對單目標的跟蹤。

西安電子科技大學在其申請的專利文獻“基于箱粒子濾波的擴展目標CBMeMBer跟蹤方法”(專利申請號201510531101.6，公開號CN105354860A)中公開了一種基于箱粒子濾波的擴展目標CBMeMBer目標跟蹤方法，。該方法實現的具體步驟是，首先，進行擴展目標量測生成以及擴展目標量測劃分；其次，將目標狀態轉化為區間形式；最后，用基于箱粒子濾波的CBMeMBer方法對目標狀態進行預測更新，完成目標的跟蹤和狀態估計。該方法存在的不足之處是，由于該方法對擴展目標量測劃分之后，沒有利用子集中量測之間的關系更新似然函數，進而無法在對多擴展目標進行跟蹤的同時估計出目標的形狀。

發明內容

本發明的目的是針對上述現有技術的不足，提出一種基于隨機超曲面的勢均衡多目標多伯努利CBMeMBer多目標跟蹤方法，以實現對多擴展目標精確跟蹤的同時估計出目標的形狀。

為實現上述目的，本發明的具體步驟如下：

(1)輸入多擴展目標量測：