[发明专利]基于随机超曲面的CBMeMBer多目标跟踪方法

说明书

本发明公开了一种基于随机超曲面的CBMeMBer多目标跟踪方法，主要解决在对多扩展目标跟踪过程中无法估计出多扩展目标形状问题，并且也能降低算法复杂度的同时提高对多扩展目标跟踪的精度。本发明实现的步骤如下：(1)输入量测；(2)量测划分；(3)随机超曲面建模目标量测源；(4)预测目标状态；(5)更新目标状态；(6)修剪目标状态；(7)提取目标状态；(8)判断是否为最后一次迭代，若是，则结束，否则，返回步骤(2)进行下一次跟踪。本发明通过利用随机超曲面建模目标量测源，使得能对目标质心位置实时精确估计的同时，也能够估计出目标的形状，于此同时降低了算法的时间复杂度。

技术领域

本发明属于信息处理技术领域，更进一步涉及目标跟踪技术领域中的一种基于随机超曲面的势均衡多目标多伯努利滤波CBMeMBer(Cardinality Balanced Multi-TargetMulti-Bernoulli Filter)多目标跟踪方法。本发明可以用于将智能交通监控、军事目标检测等系统，所检测到的多个运动目标的观测信息模拟成的运动目标，进行实时目标跟踪以及对目标的形状进行估计。

背景技术

多目标跟踪不仅在导弹防御、跟踪与反击、战场监视等军事领域，而且在视频监控、空中交通管制、医疗诊断等民用领域也具有广阔的应用前景。传统的目标跟踪领域，通常把目标看作点，忽略其形状信息。而随着雷达、红外等传感器分辨率的不断提高，可获得目标信息也随之增多，综合利用这些信息，不仅可以提高目标的跟踪精度和稳定性，同时也能获得关于目标的属性，有利于后续进一步处理。传统的多目标跟踪算法需要解决复杂的数据关联问题，计算复杂，适用性较差，对于扩展目标来说这一问题尤为突出。近年来，Mahler提出的基于随机有限集(RFS)的多目标跟踪方法由于避免了多目标跟踪中复杂的数据关联问题受到普遍关注，并产生了不少成果。Vo在此基础上提出了势均衡多目标多伯努利滤波算法，该算法通过传递有限的、数目随时间变化的假设航迹来完整传递多目标的存活概率和后验概率密度函数提高了随机集滤波的可靠性,但无法估计出多扩展目标形状。本发明在势均衡多目标多伯努利滤波算法的基础上，提出了基于随机超曲面的CBMeMBer多目标跟踪方法，估计出多扩展目标形状的同时，提高跟踪精度和减小计算复杂度。

河南科技大学在其申请的专利文献“基于无迹卡尔曼滤波的机动扩展目标跟踪方法”(专利申请号201610809777.1，公开号CN106443661A)中公开了一种基于无迹卡尔曼滤波的目标跟踪方法。该方法实现的具体步骤是，(1)对扩展目标运动状态与扩展形态参数进行初始化；(2)依据扩展目标距离像量测的特点利用支撑函数建立机动扩展目标形态的过程；(3)使用支撑函数通过对目标状态建模以对各机动模型进行精确描述；(4)无迹卡尔曼滤波与多模型算法相结合建立系统模型集，实现机动扩展目标运动状态和扩展形态的联合跟踪。该方法虽然能够对机动过程中的扩展目标运动状态和扩展形态进行有效估计，但是，该方法仍然存在的不足之处是，由于在使用支撑函数对目标状态联合建模过程中无法解决数据关联问题，只能够实现对单目标的跟踪。

西安电子科技大学在其申请的专利文献“基于箱粒子滤波的扩展目标CBMeMBer跟踪方法”(专利申请号201510531101.6，公开号CN105354860A)中公开了一种基于箱粒子滤波的扩展目标CBMeMBer目标跟踪方法，。该方法实现的具体步骤是，首先，进行扩展目标量测生成以及扩展目标量测划分；其次，将目标状态转化为区间形式；最后，用基于箱粒子滤波的CBMeMBer方法对目标状态进行预测更新，完成目标的跟踪和状态估计。该方法存在的不足之处是，由于该方法对扩展目标量测划分之后，没有利用子集中量测之间的关系更新似然函数，进而无法在对多扩展目标进行跟踪的同时估计出目标的形状。

发明内容

本发明的目的是针对上述现有技术的不足，提出一种基于随机超曲面的势均衡多目标多伯努利CBMeMBer多目标跟踪方法，以实现对多扩展目标精确跟踪的同时估计出目标的形状。

为实现上述目的，本发明的具体步骤如下：

(1)输入多扩展目标量测：