[发明专利]基于随机有限集的弱小目标联合检测与跟踪系统及方法

说明书

本发明提供了一种基于随机有限集的弱小目标联合检测与跟踪系统及方法，包括红外图像量测模块，用于获取地面环境和目标的红外量测图像，从而得到目标量测域；目标预测模块，用于对目标量测域计算，得到目标的预测状态和目标预测航迹标签，再进行高斯采样；目标更新模块，用于计算似然函数，根据似然函数，计算得到目标的更新状态和目标更新航迹标签；并建立目标与量测关联的假设代价函数，根据假设权重大小选择最大权重对应的假设，得到当前时刻的目标状态和航迹估计值。本发明给出了复杂环境下在获取目标红外量测的基础上，通过量测差分，新生目标自适应提取，航迹最优分配，实现在复杂噪声环境下对红外弱小目标的有效检测与跟踪。

技术领域

本发明属于目标检测跟踪技术领域，特别涉及一种基于随机有限集的弱小目标联合检测与跟踪系统及方法。

背景技术

在现代战争中，伴随着隐身技术的发展以及战场环境越来越复杂，低信噪比的目标在传感器量测中呈现出弱小目标特性，目标极易湮没在噪声中，无法对目标和量测进行有效关联，从而导致传统的跟踪方法难以对目标进行有效检测与跟踪。并且传统的跟踪方法大多基于雷达系统，但由于雷达系统在探测目标的同时也对外辐射自身的特性，使得雷达量测系统容易暴露自己的位置从而遭受到敌方的打击，难以在现在战争中存活。而红外成像技术在复杂战场下具有对目标的检测抗干扰能力强，跟踪精度高等优点，因此研究基于红外图像的多目标检测与跟踪系统和方法具有重要的意义。同时由于传统的跟踪算法JPDAF和MHT需要通过数据关联对目标进行划分，在复杂场景下容易导致关联错误而导致JPDAF和MHT的跟踪性能下降，为了应对这一问题引入基于随机有限集(RFS)的跟踪技术，其不需要进行复杂的数据关联处理即可以对目标个数未知且时变的多个目标进行联合检测与跟踪，可以有效提高跟踪精度。但在复杂场景下对多弱小目标跟踪领域中，将红外图像量测与RFS跟踪技术结合起来的研究仍然处于起步阶段，且存在计算复杂度高，复杂背景下目标量测虚警概率高，跟踪精度低等问题。

发明内容

为了克服上述现有技术的缺点，解决目前基于红外图像的多弱小目标检测与跟踪算法中存在的不足，本发明的目的在于提供一种基于随机有限集的弱小目标联合检测与跟踪系统及方法。

为了实现上述目的，本发明采用的技术方案是：

基于随机有限集的弱小目标联合检测与跟踪系统，包括:

红外图像量测模块，用于利用红外传感器进行实时扫描，获取地面环境和目标的红外量测图像，然后利用红外图像灰度特征抑制地面环境和目标的红外量测图像的背景噪声，滤除无效量测，得到目标量测域；

目标预测模块，用于对目标量测域按照贝叶斯准则并利用马尔可夫转移矩阵计算，得到目标的预测状态和目标预测航迹标签，根据目标的预测状态和目标预测航迹标签对预测目标进行高斯采样，获得每一预测目标对应的粒子集合；

目标更新模块，用于利用目标量测域中不同位置对应的幅值信息计算每一预测目标对应的粒子集合中预测目标粒子的似然函数，根据预测目标粒子似然函数和归一化的粒子权重，计算得到目标的更新状态和目标更新航迹标签；并且建立目标与量测关联的假设代价函数，然后根据目标与量测关联的假设代价函数计算m个最优分配假设，最后根据假设权重大小选择最大权重对应的假设，得到当前时刻的目标状态和航迹估计值，实现对多目标的跟踪。

本发明进一步的改进在于，该系统还包括与目标更新模块相连的数据显示模块，数据显示模块用于显示包括量测数据、目标的真实运行轨迹、目标状态和数目估计值，以及目标数目和轨迹的估计误差曲线。

本发明进一步的改进在于，红外图像量测模块包括恒虚警率图像分割模块和红外目标灰度特性量测提取模块；

恒虚警率图像分割模块，用于对地面环境和目标的红外量测图像进行背景和杂波抑制，得到候选量测域；

红外目标灰度特性量测提取模块，用于对候选量测域提取目标量测域。