[发明专利]基于随机超曲面的CBMeMBer多目标跟踪方法

权利要求书

1.一种基于随机超曲面的势均衡多目标多伯努利滤波CBMeMBer多目标跟踪方法，其特征在于，用随机超曲面对多扩展目标量测源建模，通过计算修正后的似然函数值迭代更新多扩展目标形状，具体步骤包括如下：

(1)输入多扩展目标量测：

输入由传感器检测到的一段待跟踪视频序列中的一帧图像的多扩展目标量测；

(2)划分多扩展目标量测：

使用距离划分方法，将接收到的多扩展目标量测划分成多个单元；

(3)用随机超曲面对多扩展目标量测源建模：

(3a)构建一个长短轴描述扩展目标大小，长轴方向描述扩展目标运动方向的椭圆；

(3b)使用高斯分布，近似椭圆随机超曲面尺度因子的分布；

(3c)按照下式，确定扩展目标表面产生量测的等效散射中心位置量测源的坐标位置：

其中，y表示量测源在二维坐标系中的坐标位置，m表示扩展目标质心在二维坐标系中的坐标位置，s表示随机超曲面尺度因子，其取值为0与1之间的实数，a和b分别表示扩展目标椭圆形状的长轴与短轴，sin表示正弦操作，cos表示余弦操作，φ表示扩展目标的运动方向，θ表示用量测到目标质心的向量与x轴正半轴的夹角近似的量测源在极坐标系下的极角，表示开根号操作，A表示直角坐标与极坐标的转化向量，T表示转置操作；

(4)预测多扩展目标状态：

(4a)利用势均衡多扩展目标多伯努利CBeMeBer预测方法，预测用随机集描述的多扩展目标多伯努利概率分布；

所述的用随机集描述的多扩展目标多伯努利概率分布的描述如下：

其中，表示第k次迭代中第i个存活目标P的预测存活概率，表示第k次迭代中第i个存活目标P的预测概率分布，M_k表示第k次迭代中存活目标的总数，∪表示并集操作，表示第k次迭代中第j个新生目标Γ的存活概率，表示第k次迭代中第j个新生目标Γ的概率分布，M_Γ,k表示第k次迭代中新生目标的总数；

(4b)整理合并用随机集描述的多扩展目标多伯努利概率分布，得到预测后用随机集描述的多扩展目标多伯努利概率分布；

所述的用随机集描述的多扩展目标多伯努利概率分布式如下：

其中，表示合并后第k次迭代中第t个目标的预测存活概率，表示合并后第k次迭代中第t个目标的预测概率分布，M表示合并后第k次迭代中预测目标的总数，M＝M_k+M_Γ,k；

(5)更新多扩展目标状态：

(5a)利用似然函数公式，计算每一个量测划分单元的似然函数值；

(5b)用似然函数值更新用随机集描述的多扩展目标多伯努利分布；

所述的用随机集描述的多扩展目标多伯努利分布式如下：

其中，表示第k次迭代中第n个漏检目标L的更新存活概率，表示第k次迭代中第n个漏检目标L的更新概率分布，r_W,k表示第k次迭代中由第W个量测划分单元更新得到的目标存活概率，p_W,k表示第k次迭代中由第W个量测划分单元更新得到的目标概率分布，∈表示属于符号，Y表示量测划分集合；

(6)修剪多扩展目标状态：

去除多扩展目标状态中存活概率小于存活概率门限值的目标状态；若剩余的扩展目标状态总数仍大于状态总数门限值，则取存活概率靠前的扩展目标状态且状态数目等于状态总数门限值；

(7)提取多扩展目标状态：

(7a)利用目标总数计算公式，计算扩展目标总数；

所述的目标总数计算公式如下：

其中，N_k表示第k次迭代中估计的目标总数，∑表示求和操作；

(7b)对每一个存活概率进行归一化处理，得到每一扩展目标状态所占的权值；

(7c)对多扩展目标状态求加权平均，得到最终估计的多扩展目标状态；

(8)判断下一次迭代所需要的多扩展目标量测是否到达，若是，则将迭代次数加1后执行步骤(2)，否则，执行步骤(9)；

(9)结束多扩展目标跟踪。

2.根据权利要求1所述的基于随机超曲面的势均衡多目标多伯努利滤波CBMeMBer多目标跟踪方法，其特征在于，步骤(1)中所述的多扩展目标是指，多个能在同一时刻产生的多个量测的运动目标。