[发明专利]一种基于泊松多伯努利滤波的三维多目标追踪算法

权利要求书

1.一种基于泊松多伯努利滤波的三维多目标追踪算法，其特征在于，主要包括目标公式化(一)；目标检测(二)；目标追踪(三)。

2.基于权利要求书1所述的目标公式化(一)，其特征在于，每一个目标都用一个特征向量x来表示，x中包含了目标的相关信息；对于三维的目标，采用以下特征向量来表示：

x＝[x y z v_x v_y v_z w h]^T (1)

其中，(x，y，z)表示目标在完全坐标系的三维坐标；(v_x，v_y，v_z)表示x，y，z三个方向的速度；(w，h)表示表示目标在相机图像中边界框的宽度和高度。

3.基于权利要求书1所述的目标检测(二)，其特征在于，运用深度学习网络处理目标图像以输出检测结果每一个检测结果z∈Z_t由一个2维边界框和一个相机中心与检测目标中心的距离组成：

z＝[x_min y_min x_max y_max d]^T (2)

其中，(x_min，y_min)与(x_max，y_max)分别表示边界框左上角和右下角的像素位置；d表示相机中心与检测目标中心的距离。

4.基于权利要求书3所述的深度学习网络，其特征在于，可被分为两个部分：第一部分被视为特征提取器，第二部由三个平行的输出头信息组成；特征提取器与扩张残差网络相似，区别在于特征提取器去除了最后两个分类层。

5.基于权利要求书4所述的三个平行的输出头信息，其特征在于，分别是分类评分、边界框和距离；网络中的每一个头信息都有两个1×1卷积层和一个子像素卷积层；分类评分头信息有一个额外的Softmax函数，表示用独热编码为每一个级别评分；边界框头信息有4个输出通道，代表边界框的左上角和右下角；距离头信息有一个输出通道，代表相机中心与检测目标中心的距离。

6.基于权利要求书5所述的目标追踪(三)，其特征在于，追踪模块的目的是处理检测集合序列，提取并输出一个真实目标组的预估序列通常使用泊松多伯努利(PMBM)滤波器来达成；在使用PMBM之前，用随机有限集合(RFS)背景和标准点目标模型来对运动的目标以及检测过程建模。

7.基于权利要求6所述的RFS背景，其特征在于，主要有两种RFS：泊松点过程和伯努利过程；泊松点过程(PPP)是一种基数为泊松分布，并且所有元素为独立恒等分布的RFS，可用公式D(x)＝μf(x)表示，可用于对目标产生的模拟以及对杂乱目标的测量；伯努利过程是一个与概率r和概率密度函数f(x)有关的RFS，这个过程可以模拟目标的存在概率和状态不确定性。

8.基于权利要求书6所述的标准点目标模型，其特征在于，主要包括测量模型和标准动态模型；对于测量模型，令为第i个目标在第k个时间步骤时的状态；在时间步骤k，对于给定一个目标集合测量集合为其中表示目标集合从第i个目标中生成测量，是一个指数集合，K_k表示杂乱测量集合；对于标准动态模型，表示检测到的与未检测到的目标在时间步骤从k到k+1存在的概率；目标可根据马可夫过程和高斯过度密度独立发展，其中b(·)为匀速运动模型。