[發明專利]一種基于隨機有限集理論的多目標跟蹤裝置

有效

• 申請號: 201811235709.4
• 申請日: 2018-10-23
• 公開（公告）號: CN109447145B
• 公開（公告）日: 2020-08-21
• 發明（設計）人: 武慧勇;鈕俊清;任清安;唐勻龍;馬志娟;郭佳意;王建富;王文洋
• 申請（專利權）人: 中國電子科技集團公司第三十八研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/277
• 代理公司: 合肥昊晟德專利代理事務所(普通合伙) 34153
• 代理人: 王林

本發明公開了一種基于隨機有限集理論的多目標跟蹤裝置，量測集合生成器根據收到的傳感器量測生成量測集合，并發送給高斯分量初始化處理器；高斯分量初始化處理器將初始化的高斯分量集合發送給高斯分量集合緩存器進行存儲；高斯分量矩陣生成器同時接收量測集合生成器生成的量測集合和高斯分量集合緩存器存儲的最新時刻的高斯分量集合，通過解算得到高斯分量矩陣，并發送給高斯分量矩陣擴維器；高斯分量矩陣擴維器同時接收量測集合生成器生成的量測集合。本發明加入門限過濾和生成失敗過濾機制，對高斯分量進行有效性鑒別，既對高斯分量矩陣進行了篩選過濾，提高了計算效率，又對生成失敗的情況進行了保護，提高了處理過程的魯棒性。

技術領域

本發明涉及一種多目標跟蹤技術，尤其涉及的是一種基于隨機有限集理論的多目標跟蹤裝置。

背景技術

多目標跟蹤技術在雷達數據處理、圖像/視頻處理、機器人導航等多個領域均是關鍵技術之一，它是一種利用采集的傳感器量測信息，通過相應的目標跟蹤算法獲得目標航跡的過程。傳統的目標跟蹤算法主要為基于數據關聯的方法，包括航跡起始、關聯和航跡終止等，其中正確的關聯是實現目標穩定跟蹤的前提條件，因此關聯算法也成為其中最復雜的過程之一，如最近鄰法、聯合概率數據關聯法和多假設跟蹤(MHT)算法等。

近年，基于隨機有限集(RFS)理論的多目標跟蹤方法成為研究熱點，該方法基于有限集統計理論對傳感器量測集合進行處理，直接估計出多目標的狀態集合，從而避免了傳統多目標跟蹤方法對數據關聯的依賴，并降低了計算復雜度。常見的基于隨機有限集理論的濾波方法有概率假設密度(PHD)濾波器、序貫蒙特卡羅概率假設密度(SMC-PHD)濾波器和高斯混合概率假設密度(GM-PHD)濾波器等，其中GM-PHD是比較常用的工程實現方法。

目前，基于RFS的多目標跟蹤方法在文獻中多有報道。如(1)譚順成、王國宏等，基于 PHD濾波和數據關聯的多目標跟蹤，系統工程與電子技術，2011,33(4)；(2)StephanReuter, Ba-Tuong Vo,Ba-Ngu Vo,Klaus Dietmayer.The Labeled Multi-BernoulliFilter[J].IEEE Transactions on Signal Processing,2014,62(12):3246-3260.一種帶標簽的多伯努利濾波器。(3)徐從安、劉瑜等，新生目標強度未知的雙門限粒子PHD濾波器，航空學報，2015,36 (12)。文獻(1)將PHD濾波和傳統的數據關聯方法想結合獲得目標的航跡，但同時也帶來了傳統數據關聯方法計算復雜的缺陷。文獻(2)將MHT和RFS理論結合，提出了δ-GLMB算法，但與MHT類似，在密集目標和強雜波環境下，該方法面臨多假設的“組合爆炸”問題。文獻(3)著重解決新生目標強度未知的問題，提出雙門限法，但仍無法解決目標漏檢的問題。而且，實際應用時，很多先驗信息是未知的，如新生目標和衍生目標的模型、新生目標強度信息、目標存活率、檢測概率等，因此這些方法基本很難實現工程應用。

發明內容

本發明所要解決的技術問題在于：如何提高計算效率和預防目標漏檢，提供了一種基于隨機有限集理論的多目標跟蹤裝置。

本發明是通過以下技術方案解決上述技術問題的，本發明包括量測集合生成器、高斯分量初始化處理器、高斯分量集合緩存器、高斯分量矩陣生成器、高斯分量矩陣擴維器、高斯分量矩陣裁剪融合器、標簽分配器和航跡生成器；

所述量測集合生成器根據收到的傳感器量測生成量測集合，并發送給高斯分量初始化處理器；

所述高斯分量初始化處理器將初始化的高斯分量集合發送給高斯分量集合緩存器進行存儲；

所述高斯分量矩陣生成器同時接收量測集合生成器生成的量測集合和高斯分量集合緩存器存儲的最新時刻的高斯分量集合，通過解算得到高斯分量矩陣，并發送給高斯分量矩陣擴維器；