[发明专利]一种基于雷达视频数据分布特征的目标长效稳定跟踪方法

权利要求书

1.一种基于雷达视频数据分布特征的目标长效稳定跟踪方法，其特征在于：所述方法包括以下步骤：

(1)计算雷达目标在距离、方位、仰角三个测量维度的统计直方图，利用目标分布直方图建立目标特征空间；

(2)利用雷达目标检测器检测雷达视频中已跟踪目标所在区域内的所有目标；

(3)利用雷达多模型跟踪器对区域内已检测到的目标进行跟踪；

(4)利用学习器学习目标检测和跟踪的结果，并将雷达目标检测器的错误检测结果反馈给检测器，重新训练检测器；

(5)雷达目标检测器经训练后，对目标重新分类，结果送学习器，重复第(4)步，直到满足收敛条件；

(6)跟踪器跟踪目标失败时，雷达目标检测器对跟踪器重新初始化。

2.根据权利要求1所述的基于雷达视频数据分布特征的目标长效稳定跟踪方法，其特征在于：所述雷达多模型跟踪器建立在目标分布特性关联的基础上,通过构建不同的跟踪模型,应对目标特征的随机性变化,最后计算出不同的模型对目标的估计的概率。

3.根据权利要求1或权利要求2所述的基于雷达视频数据分布特征的目标长效稳定跟踪方法，其特征在于：所述雷达多模型跟踪器，其每个模型对目标估计的概率可以通过学习器的学习结果重新更新，减少部分模型的错误估计带入的偏差。

4.根据权利要求1或权利要求2所述的基于雷达视频数据分布特征的目标长效稳定跟踪方法，其特征在于：所述雷达目标检测器采用一种级联结构的分类器，其利用一组串行的弱分类器，级联成一个强分类器；弱分类器在对待识样本进行分类时，只有被前面一级的分类器判决为正样本才被送入后面的分类器继续处理，负样本则直接输出。

5.根据权利要求1或权利要求2所述的基于雷达视频数据分布特征的目标长效稳定跟踪方法，其特征在于：所述的学习器采用一种新的基于结构化、未标记数据的学习训练方法；数据中的结构被称为正约束和负约束；正约束指定正样本可接受特征，负约束指定负样本可接受特征；利用目标的时空特性作为约束检查跟踪器和检测器错误。

6.根据权利要求1或权利要求2所述的基于雷达视频数据分布特征的目标长效稳定跟踪方法，其特征在于：所述的收敛条件为检测器对目标的分类结果与学习器的判断结果达到误差小于5％。