一种基于测量分配的目标跟踪方法及装置制造方法及图纸

本发明专利技术公开的一种基于测量分配的目标跟踪方法及装置，先确定当前时刻各目标对应于各测量的更新状态分布、更新存在概率、更新探测标识，以及各目标与各测量的关联概率；再基于测量的分配结果对更新存在概率与更新探测标识进行调整；然后判断已存在目标是否漏检，基于判断结果确定各目标的状态分布、存在概率、探测标识和轨迹标识；最后提取存在概率大于第一阈值的目标的状态分布和轨迹标识作为当前时刻的输出，并将存在概率大于或等于第二阈值的目标的状态分布、存在概率、探测标识和轨迹标识作为下一时刻的输入。本发明专利技术保证了多目标跟踪精度，有效减少了计算量，在存在杂波和漏检的场景下具有很强的适用性。

A target tracking method and device based on measurement allocation

The invention discloses a target tracking method and device based on measurement allocation, which first determines the update state distribution, update existence probability, update detection mark of each target corresponding to each measurement at the current time, and the correlation probability between each target and each measurement; then adjusts the update existence probability and update detection mark based on the measurement allocation result; and then judges the existing target Whether the detection is missed or not, determine the state distribution, existence probability, detection identification and track identification of each target based on the judgment results; finally, extract the state distribution and track identification of the target with the existence probability greater than the first threshold as the output of the current time, and take the state distribution, existence probability, detection identification and track identification of the target with the existence probability greater than or equal to the second threshold as the next one Time input. The invention ensures the multi-target tracking accuracy, effectively reduces the calculation amount, and has strong applicability in the scene of clutter and missing detection.

【技术实现步骤摘要】
一种基于测量分配的目标跟踪方法及装置
本专利技术涉及多传感器信息融合
，尤其涉及一种基于测量分配的目标跟踪方法及装置。
技术介绍
在存在数据关联不确定、漏检和杂波环境下，广义标签多贝努利(GLMB，GeneralizedLabeledMulti-Bernoulli)滤波器是一种用于多目标跟踪的有效方法。该滤波器适用于低检测概率和高杂波率，多目标跟踪精度高，但该滤波器的计算复杂度高，计算量大，难以用于实际的多目标跟踪系统。如何建立目标跟踪精度高、计算速度快的多目标跟踪滤波器是当前亟需探索和解决的问题。
技术实现思路
本专利技术实施例的主要目的在于提供一种基于测量分配的目标跟踪方法及装置，能够有效解决相关技术中计算复杂度高、计算量较大的问题。为实现上述目的，本专利技术实施例第一方面提供了一种基于测量分配的目标跟踪方法，该目标跟踪方法包括：步骤A、基于前一时刻各个目标的状态分布、存在概率、探测标识和轨迹标识，确定当前时刻各个已存在目标的预测状态分布、预测存在概率、预测探测标识和预测轨迹标识；步骤A具体包括：以k-1表示前一时刻，k表示当前时刻，k-1时刻各个目标的状态分布、存在概率、探测标识和轨迹标识表示为其中，N(xi,k-1；mi,k-1,Pi,k-1)、ρi,k-1、lD,(i,k-1)和lT,(i,k-1)分别表示k-1时刻目标i的状态分布、存在概率、探测标识和轨迹标识，xi,k-1表示状态向量，mi,k-1和Pi,k-1分别表示目标i状态分布的均值和误差协方差，Nk-1为k-1时刻目标的总数；k时刻各个已存在目标的预测状态分布、预测存在概率、预测探测标识和预测轨迹标识表示为其中，mi,k|k-1＝Fk-1mi,k-1，Pi,k|k-1＝Fk-1Pi,k-1(Fk-1)T+Qk-1，ρi,k|k-1＝ρi,k-1，lD,(i,k|k-1)＝lD,(i,k-1)，lT,(i,k|k-1)＝lT,(i,k-1)，Fk-1和Qk-1分别表示状态转移矩阵和过程噪声协方差矩阵；步骤B、生成当前时刻各个新生目标的状态分布、存在概率、探测标识和轨迹标识，并对所述的当前时刻各个已存在目标的预测状态分布、预测存在概率、预测探测标识和预测轨迹标识，与所述当前时刻各个新生目标的状态分布、存在概率、探测标识和轨迹标识进行合并，得到当前时刻所有目标的预测状态分布、预测存在概率、预测探测标识和预测轨迹标识；步骤B具体包括：各个新生目标的状态分布、存在概率、探测标识和轨迹标识表示为其中，和分别表示新生目标i的状态均值、误差的协方差、存在概率、探测标识和轨迹标识，为当前时刻新生目标的总数；将各新生目标的探测标识设置为各新生目标的轨迹标识设置为当前时刻所有目标的预测状态分布、预测存在概率、预测探测标识和预测轨迹标识表示为：其中，步骤C、采用贝叶斯规则，对合并得到的当前时刻各目标的预测状态分布、预测存在概率以及当前时刻的所有测量进行处理，得到当前时刻各目标对应于各测量的更新状态分布、更新存在概率、更新探测标识以及各目标与各测量的关联概率；步骤C具体包括：以表示当前时刻的所有测量，其中，Mk表示当前时刻测量的总数，目标i对应于测量zj,k的更新状态分布为N(xi,k；mij,Pij)、更新存在概率为目标i与测量zj,k的关联概率为其中，λc为杂波密度，pD,k为检测概率，Hk和Rk分别表示观测矩阵和观测噪声的协方差矩阵，mij＝mi,k|k-1+Ai·(zj,k-Ηkmi,k|k-1)，Pij＝(I-AiHk)Pi,k|k-1，目标i对应于测量zj,k的更新探测标识设置为lD,(ij)＝0；步骤D、基于所述的各目标与各测量的关联概率建立测量与目标间的关联代价矩阵，以及基于所述的杂波密度建立测量与杂波间的关联代价矩阵，然后根据所述测量与目标的关联代价矩阵，以及所述测量与杂波的关联代价矩阵建立二维分配问题，再利用Murty算法求解所述的二维分配问题，得到测量与目标间的关联矩阵，以及测量与杂波间的关联矩阵，最后基于所述的测量与目标间的关联矩阵，对所述的更新存在概率与更新探测标识进行调整；步骤E、先判断当前时刻各目标是否为已存在目标且漏检，若是，则将所述的预测状态分布、预测探测标识分别作为目标在当前时刻的状态分布、探测标识，并将所述的预测存在概率与预设衰减因子的乘积作为目标在当前时刻的存在概率，若否，则从所有调整后的目标更新存在概率中，将最大更新存在概率的索引号所对应的更新状态分布、更新存在概率和更新探测标识，分别作为目标在当前时刻的状态分布、存在概率和探测标识；以及将所述的预测轨迹标识作为目标在当前时刻的轨迹标识；步骤F、从当前时刻的所有目标中提取存在概率大于第一概率阈值的目标，并分别将所提取的目标的状态分布和轨迹标识组成当前时刻的状态分布集和轨迹标识集，作为滤波器当前时刻的输出；步骤G、从所述当前时刻的所有目标中，筛选出存在概率大于或等于第二概率阈值的目标，并将所有筛选出的目标的状态分布、存在概率、探测标识和轨迹标识作为所述滤波器下一次递归的输入。进一步地，所述的步骤D具体包括：所述的测量与目标间的关联代价矩阵C表示为：其中，Nk|k-1为当前时刻目标的总数，Mk为当前时刻测量的总数；所述的测量与杂波间的关联代价矩阵C′表示为：其中，λc为杂波密度；所述的二维分配问题的数学模型表示如下：P：s.t.C1：C2：C3：其中，sij和s′ij为二值变量，取值为0或1，sij＝1表示测量zj,k源于目标i，s′ij＝1表示测量zj,k是杂波；测量与目标间的关联矩阵表示为S＝[sij]，测量与杂波间的关联矩阵表示为S′＝[s′ij]；对所述的更新存在概率与更新探测标识进行调整的规则如下：若sij＝1，则更新存在概率调整为：若sij＝1且i≤Nk-1，则目标i对应于测量zj,k的更新探测标识调整为lD,(ij)＝1。更进一步地，所述的步骤E具体包括：判断当前时刻各目标是否为已存在目标且漏检，判断条件为：lD,(i,k|k-1)＝1且其中，lD,(i,k|k-1)为所述的预测探测标识，lD,(ij)为所述的更新探测标识；若所述的判断条件成立，确定目标i为已存在目标且漏检，在此情况下，目标i当前时刻的状态分布和探测标识分别取为N(xi,k；mi,k,Pi,k)＝N(xi,k；mi,k|k-1,Pi,k|k-1)和lD,(i,k)＝lD,(i,k|k-1)，当前时刻的存在概率取为ρi,k＝ηc×ρi,k|k-1，其中ηc为衰减因子；若所述的判断条件不成立，找到目标i最大更新存在概率的索引号，表示为目标i当前时刻的状态分布、存在概率和探测标识分别取为N(xi,k；mi,k,Pi,k)＝N(xi,k；mia,Pia)，ρi,k＝ρia，lD,(i,k)＝lD,(ia)；目标i在当前时刻的轨迹标识本文档来自技高网...

【技术保护点】
1.一种基于测量分配的目标跟踪方法，其特征在于，所述目标跟踪方法包括：/n步骤A、基于前一时刻各个目标的状态分布、存在概率、探测标识和轨迹标识，确定当前时刻各个已存在目标的预测状态分布、预测存在概率、预测探测标识和预测轨迹标识；步骤A具体包括：/n以k-1表示前一时刻，k表示当前时刻，k-1时刻各个目标的状态分布、存在概率、探测标识和轨迹标识表示为

【技术特征摘要】
1.一种基于测量分配的目标跟踪方法，其特征在于，所述目标跟踪方法包括：
步骤A、基于前一时刻各个目标的状态分布、存在概率、探测标识和轨迹标识，确定当前时刻各个已存在目标的预测状态分布、预测存在概率、预测探测标识和预测轨迹标识；步骤A具体包括：
以k-1表示前一时刻，k表示当前时刻，k-1时刻各个目标的状态分布、存在概率、探测标识和轨迹标识表示为其中，N(xi,k-1；mi,k-1,Pi,k-1)、ρi,k-1、lD,(i,k-1)和lT,(i,k-1)分别表示k-1时刻目标i的状态分布、存在概率、探测标识和轨迹标识，xi,k-1表示状态向量，mi,k-1和Pi,k-1分别表示目标i状态分布的均值和误差协方差，Nk-1为k-1时刻目标的总数；
k时刻各个已存在目标的预测状态分布、预测存在概率、预测探测标识和预测轨迹标识表示为其中，mi,k|k-1＝Fk-1mi,k-1，Pi,k|k-1＝Fk-1Pi,k-1(Fk-1)T+Qk-1，ρi,k|k-1＝ρi,k-1，lD,(i,k|k-1)＝lD,(i,k-1)，lT,(i,k|k-1)＝lT,(i,k-1)，Fk-1和Qk-1分别表示状态转移矩阵和过程噪声协方差矩阵；
步骤B、生成当前时刻各个新生目标的状态分布、存在概率、探测标识和轨迹标识，并对所述的当前时刻各个已存在目标的预测状态分布、预测存在概率、预测探测标识和预测轨迹标识，与所述当前时刻各个新生目标的状态分布、存在概率、探测标识和轨迹标识进行合并，得到当前时刻所有目标的预测状态分布、预测存在概率、预测探测标识和预测轨迹标识；步骤B具体包括：
各个新生目标的状态分布、存在概率、探测标识和轨迹标识表示为其中，和分别表示新生目标i的状态均值、误差的协方差、存在概率、探测标识和轨迹标识，为当前时刻新生目标的总数；将各新生目标的探测标识设置为各新生目标的轨迹标识设置为
当前时刻所有目标的预测状态分布、预测存在概率、预测探测标识和预测轨迹标识表示为：



其中，
步骤C、采用贝叶斯规则，对合并得到的当前时刻各目标的预测状态分布、预测存在概率以及当前时刻的所有测量进行处理，得到当前时刻各目标对应于各测量的更新状态分布、更新存在概率、更新探测标识以及各目标与各测量的关联概率；步骤C具体包括：
以表示当前时刻的所有测量，其中，Mk表示当前时刻测量的总数，目标i对应于测量zj,k的更新状态分布为N(xi,k；mij,Pij)、更新存在概率为目标i与测量zj,k的关联概率为其中，λc为杂波密度，pD,k为检测概率，Hk和Rk分别表示观测矩阵和观测噪声的协方差矩阵，mij＝mi,k|k-1+Ai·(zj,k-Ηkmi,k|k-1)，Pij＝(I-AiHk)Pi,k|k-1，目标i对应于测量zj,k的更新探测标识设置为lD,(ij)＝0；
步骤D、基于所述的各目标与各测量的关联概率建立测量与目标间的关联代价矩阵，以及基于所述的杂波密度建立测量与杂波间的关联代价矩阵，然后根据所述测量与目标的关联代价矩阵，以及所述测量与杂波的关联代价矩阵建立二维分配问题，再利用Murty算法求解所述的二维分配问题，得到测量与目标间的关联矩阵，以及测量与杂波间的关联矩阵，最后基于所述的测量与目标间的关联矩阵，对所述的更新存在概率与更新探测标识进行调整；
步骤E、先判断当前时刻各目标是否为已存在目标且漏检，若是，则将所述的预测状态分布、预测探测标识分别作为目标在当前时刻的状态分布、探测标识，并将所述的预测存在概率与预设衰减因子的乘积作为目标在当前时刻的存在概率，若否，则从所有调整后的目标更新存在概率中，将最大更新存在概率的索引号所对应的更新状态分布、更新存在概率和更新探测标识，分别作为目标在当前时刻的状态分布、存在概率和探测标识；以及将所述的预测轨迹标识作为目标在当前时刻的轨迹标识；
步骤F、从当前时刻的所有目标中提取存在概率大于第一概率阈值的目标，并分别将所提取的目标的状态分布和轨迹标识组成当前时刻的状态分布集和轨迹标识集，作为滤波器当前时刻的输出；
步骤G、从所述当前时刻的所有目标中，筛选出存在概率大于或等于第二概率阈值的目标，并将所有筛选出的目标的状态分布、存在概率、探测标识和轨迹标识作为所述滤波器下一次递归的输入。


2.如权利要求1所述的基于测量分配的目标跟踪方法，其特征在于，所述的步骤D具体包括：
所述的测量与目标间的关联代价矩阵C表示为：



其中，Nk|k-1为当前时刻目标的总数，Mk为当前时刻测量的总数；
所述的测量与杂波间的关联代价矩阵C′表示为：



其中，λc为杂波密度；
所述的二维分配问题的数学模型表示如下：
P：
s.t.C1：
C2：
C3：
其中，sij和s′ij为二值变量，取值为0或1，sij＝1表示测量zj,k源于目标i，s′ij＝1表示测量zj,k是杂波；
测量与目标间的关联矩阵表示为S＝[sij]，测量与杂波间的关联矩阵表示为S′＝[s′ij]；
对所述的更新存在概率与更新探测标识进行调整的规则如下：
若sij＝1，则更新存在概率调整为：



若sij＝1且i≤Nk-1，则目标i对应于测量zj,k的更新探测标识调整为lD,(ij)＝1。


3.如权利要求1或2所述的基于测量分配的目标跟踪方法，其特征在于，所述的步骤E具体包括：
判断当前时刻各目标是否为已存在目标且漏检，判断条件为：lD,(i,k|k-1)＝1且其中，lD,(i,k|k-1)为所述的预测探测标识，lD,(ij)为所述的更新探测标识；
若所述的判断条件成立，确定目标i为已存在目标且漏检，在此情况下，目标i当前时刻的状态分布和探测标识分别取为N(xi,k；mi,k,Pi,k)＝N(xi,k；mi,k|k-1,Pi,k|k-1)和lD,(i,k)＝lD,(i,k|k-1)，当前时刻的存在概率取为ρi,k＝ηc×ρi,k|k-1，其中ηc为衰减因子；
若所述的判断条件不成立，找到目标i最大更新存在概率的索引号，表示为目标i当前时刻的状态分布、存在概率和探测标识分别取为N(xi,k；mi,k,Pi,k)＝N(xi,k；mia,Pia)，ρi,k＝ρia，lD,(i,k)＝lD,(ia)；
目标i在当前时刻的轨迹标识取为lT,(...

【专利技术属性】
技术研发人员：刘宗香，李锦松，吴冕，李良群，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44