[发明专利]一种基于带标签的GM-PHD平滑滤波多目标跟踪方法

摘要

本发明提供一种基于带标签的GM‑PHD平滑滤波多目标跟踪方法，在建立多目标运动模型的基础上，通过带标签的GM‑PHD平滑滤波方法，获取多目标的精确位置信息及运动轨迹。将带标签算法与GM‑PHD平滑算法结合，首先为每个高斯项添加标签信息，通过管理标签实现对不同时刻目标状态之间的关联，然后通过PHD平滑滤波对目标进行前向滤波和后向平滑，给出高斯混合条件下的实现形式，引入一个判决机制，以前后两个时刻估计目标数的差值为判决条件判断目标消失的时刻，在该时刻对平滑算法进行修正，与传统平滑PHD算法相比通过管理标签实现对不同时刻目标状态之间的关联，使得目标数目突变以及航迹交叉时目标数目与目标状态的跟踪精度较之前得到明显改善，可在漏检和杂波环境下获得多目标状态的准确估计。

主权项

1.一种基于带标签的GM‑PHD平滑滤波多目标跟踪方法，其特征在于，包括如下步骤：步骤S1：建立目标的状态方程和观测强度量测方程；步骤S2：初始化目标的状态，对k＝0时刻的强度函数和标签集合进行初始化，分别为上式中，J_n表示第n时刻的高斯项个数，wⁱ表示该时刻第i个高斯项的权值，N(x,m,P)表示变量x服从均值为m协方差为P的高斯分布，其中tⁱ表示标签集中的第i个标签；步骤S3：为每个标签设置两个初始值为0的标志量n_con和n_miss，n_miss表示标签对应高斯项未被检测到的步数即该标签对应航迹的信息缺失步数，当该标签确认为目标时n_con＝1，设置初始航迹存储集合S≠φ；步骤S4：对经过初始化处理的目标进行前项滤波处理；步骤S5：利用滞后的L时刻的量测来平滑前向滤波后的高斯项，即更新k时刻的状态，完成多目标的后向平滑递推，其中当L＝k+1时为一步后向平滑，得到后向平滑结果；步骤S6：合并修剪高斯项；步骤S7：估计全体目标数目，对修剪合并后的PHD进行权值求和得到全体目标数目估计步骤S8：目标数目估计修正，设置阈值U_T，当k时刻、k‑2时刻的目标数与k‑1时刻的目标数差值的绝对值满足大于阈值U_T时，则对k‑1时刻的目标数目进行修正，其修正结果为：步骤S9：状态估计，得到确定的目标航迹。