[發明專利]一種基于BP-PMBM濾波算法的多目標跟蹤方法

在審

• 申請號: 202010185729.6
• 申請日: 2020-03-17
• 公開（公告）號: CN113409363A
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 宋驪平;柴嘉波;王菲菲;何玉祺;李秦雷;邢天鵬;劉浩南
• 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: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 李園園

本發明公開了一種基于BP?PMBM濾波算法的多目標跟蹤方法，包括：(1)初始化算法；(2)對目標狀態進行預測；(3)更新所述目標狀態；(4)對所述目標狀態中的Poisson分量和MBM分量進行修剪；(5)對所述Poisson分量和所述MBM分量進行箱粒子重采樣；(6)對所述目標狀態進行估計，得到全局目標狀態估計值。本發明提供的基于BP?PMBM濾波算法的多目標跟蹤方法具有跟蹤精度高、運算速度快、可區分航跡等優點。

技術領域

本發明屬于信息融合技術領域，具體涉及一種基于BP-PMBM濾波算法的多目標跟蹤方法。

背景技術

目標跟蹤技術是計算機視覺研究領域中的熱點之一，其在軍事偵察、精確制導、火力打擊、戰場評估以及安防監控等諸多方面均有廣泛的應用前景。多目標跟蹤指從一系列量測中同時估計出未知時變的目標狀態以及目標數目，是目標跟蹤領域的重要研究方向之一。

對多目標跟蹤問題的處理通常由兩種主流方法，第一種是首先將目標和量測一一關聯，然后利用貝葉斯濾波方法將多目標跟蹤問題轉換為單目標跟蹤問題，是一種傳統的多目標跟蹤方法。另一種方法是隨機有限集(Random Finite Set，RFS)框架下的多目標跟蹤方法，該方法將目標的狀態和量測建模為兩個隨機有限集，然后使用多目標貝葉斯濾波技術同時估計出目標的個數和狀態，可以有效避免目標與量測之間復雜的數據關聯過程。

然而，傳統的多目標跟蹤方法由于要處理數據關聯過程，因此跟蹤效率較低，實時性差；RFS框架下的多目標跟蹤方法雖然可以避免數據關聯過程，但由于集合內的元素都是無序的，因此這種方法只能估計目標的狀態和數量，無法跟蹤目標的航跡。

發明內容

為了解決現有技術中存在的上述問題，本發明提供了一種基于BP-PMBM濾波算法的多目標跟蹤方法。本發明要解決的技術問題通過以下技術方案實現：

一種基于BP-PMBM濾波算法的多目標跟蹤方法，包括：

(1)初始化算法；

(2)對目標狀態進行預測；

(21)對所述目標狀態中的Poisson分量進行預測，得到所述Poisson分量的預測強度并用箱粒子集表示；

(22)對所述目標狀態中的MBM分量進行預測，得到所述MBM分量的預測參數集；

(3)更新所述目標狀態；

(31)更新所述Poisson分量，根據所述Poisson分量的預測強度得到所述Poisson分量的后驗強度；

(32)更新所述MBM分量，根據所述MBM分量的預測參數集和量測信息得到更新后的MBM分量參數集；

(4)對所述Poisson分量和所述MBM分量進行修剪；

(5)對所述Poisson分量和述MBM分量進行箱粒子重采樣；

(6)對所述目標狀態進行估計，得到全局目標狀態估計值。

在本發明的一個實施例中，步驟(21)包括：

(21-1)設k-1時刻Poisson分量的強度由箱粒子集表示為其中，表示第i個箱粒子在k-1時刻的狀態，表示第i個箱粒子在k-1時刻的重要性權值，表示在k-1時刻所有箱粒子的數量；

(21-2)相應地，k時刻所述Poisson分量的預測強度箱粒子集為其中，表示預測箱粒子的數量。

在本發明的一個實施例中，所述Poisson分量的預測強度箱粒子集包括存活目標的預測箱粒子集和新生目標箱粒子集，其中，

所述存活目標的預測箱粒子表示為其中，表示第i個存活目標的預測箱粒子的狀態，表示第i個存活目標的預測箱粒子的重要性權值，且