买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提供一种自适应新生目标起始的多目标跟踪方法及处理装置，首先给定当前时刻之前的多目标参数；在当前时刻对存活目标的高斯元和强度进行一步预测，得到预测后的存活目标的高斯元集合和强度；若存在新的传感器观测值，对存活目标的高斯元和强度进行更新；对更新后的高斯元进行修剪与合并，消除多余的高斯元；对修剪与合并后的高斯元进行多目标状态提取，得到多目标状态的估计集合和对应的量测集合，同时得到没有与目标进行关联的量测集合；根据没有与目标进行关联的量测集合得到新生目标的预测强度；对上一步骤的新生目标的预测强度进行更新。相比于现有技术，本发明用于产生新生目标的量测数量大为减少，可降低计算量，提高稳态估计精度。

主权项：1.一种自适应新生目标起始的多目标跟踪方法，其特征在于，所述多目标跟踪方法包括以下步骤：步骤S1：给定当前时刻之前的多目标参数，所述多目标参数包括存活目标的高斯元和强度、新生目标的高斯元和强度、没有与目标进行关联的量测集合以及对应的量测数目集合；步骤S2：在当前时刻对所述存活目标的高斯元和强度进行一步预测，得到预测后的存活目标的高斯元集合和强度；步骤S3：若当前时刻存在新的传感器观测值，对步骤S2中的存活目标的高斯元和强度进行更新，得到预测后的存活目标的高斯元集合和强度，并将量测及其对应的高斯元分配对应的标签；步骤S4：对更新后的高斯元进行修剪与合并，消除多余的高斯元；步骤S5：对修剪与合并后的高斯元进行多目标状态提取，得到多目标状态的估计集合和对应的量测集合，同时得到没有与目标进行关联的量测集合；步骤S6：根据没有与目标进行关联的量测集合得到新生目标的预测强度；步骤S7：对步骤S6中的新生目标的预测强度进行更新；其中所述步骤S1还包括：给定当前时刻之前的多目标参数为：k-1时刻存活目标的高斯元和强度Dk-1y,0，上标j表示高斯元索引，字母p表示存活目标，表示k-1时刻第j个存活目标高斯元的权重，表示k-1时刻第j个存活目标高斯元的状态，表示k-1时刻第j个存活目标高斯元的状态误差方差矩阵，表示k-1时刻存活目标高斯元的数目；k-1时刻新生目标的高斯元集合与强度Dk-1y,1，字母b表示新生目标，表示k-1时刻第j个新生目标高斯元的权重，表示k-1时刻第j个新生目标高斯元的状态，表示k-1时刻第j个新生目标高斯元的状态误差方差矩阵，表示k-1时刻新生目标高斯元的数目；直到k-1时刻，未关联的量测集合以及对应的数目集合其中所述步骤S2还包括：用于预测的存活目标高斯元通过下式得到： 这里令为存活目标的预测高斯元，则存活目标的预测强度Dk|k-1y,0通过下面的公式进行计算： 式中：为预测高斯元权重；表示高斯分布随机变量y服从均值为方差为的高斯分布；下标k|k-1表示k-1时刻到k时刻的预测；字母p表示存活目标；上标j表示第j个高斯元的参数；k时刻存活目标的高斯元均值和方差通过下面的公式进行预测： 式中：为k时刻状态的预测值；为k时刻预测状态误差方差矩阵，f·是状态转移方程，Fk-1是f·的雅可比矩阵，Qk-1是过程噪声方差矩阵；pS为存活目标概率；其中所述步骤S3还包括：当存在新的传感器观测值时，对存活目标高斯元的均值和方差进行更新，其计算公式为： 式中：表示k时刻观测的预测值；表示k时刻状态的预测值；h·表示量测方程，Hk表示h·的Jacobian矩阵；z表示观测；表示k时刻通过量测z进行更新后的目标状态；I表示单位矩阵；表示k时刻的预测状态误差方差矩阵；表示k时刻的状态误差方差矩阵；表示k时刻的滤波增益；表示k时刻的量测预测误差方差矩阵；Rk表示k时刻的量测噪声方差矩阵；字母p表示存活目标；上标j表示第j个高斯元的参数；得到存活目标高斯元的均值和方差后即可得到更新后的存活目标强度，记为Dky,0，其计算公式为： 其中： 式中：为k时刻与量测z对应的高斯元权重；pD表示检测概率；Zk表示k时刻量测的集合；表示高斯元的预测权重；Jk-1表示存活目标高斯元个数；表示k时刻量测z的似然，表示k时刻存活目标的预测量测，表示k时刻存活目标的预测状态，表示k时刻的量测预测误差方差矩阵；Lz表示归一化系数；κz表示杂波密度；是先验的新生目标期望数，字母b表示新生目标；在k时刻，有量测集合这里mk是量测的数目，给每个量测分配一个唯一的标签，得到量测标签集合： 其中Lk为量测标签集合；为未检测部分对应的标签；为相应量测对应的量测标签，在更新时，给每个由量测zk,i更新的预测高斯元都分配相应的量测标签则经过更新的高斯元变为这里：表示k时刻经过更新后的高斯元权重，表示k时刻经过更新后的高斯元均值；表示k时刻经过更新后的高斯元误差方差矩阵；表示k时刻经过更新后的高斯元量测标签；其中所述步骤S5还包括：在修剪与合并后，多目标状态通过提取权重大于某个阈值ωTh的高斯元的方法得到： 式中：表示k时刻第i个高斯元的均值，ωTh表示高斯元修剪阈值，Jk表示k时刻更新后高斯元个数，表示k时刻高斯元权重，状态提取后目标的状态集合为则可得到其相应的标签集合为根据量测标签得到与状态估计关联的量测集合这样就完成了量测-估计之间的关联，那么没有与估计关联的量测集合为则新生目标存在于未关联量测集合中，一旦获得了k时刻未关联的量测集合则与之前的未关联量测集合进行比较，得到可能的新生目标集合；其中所述步骤S6还包括：令为新生目标的预测高斯元，则新生目标的预测强度Dk|k-1y,1通过下式进行计算 其中： 式中：表示预测的高斯元权重；表示预测的高斯元均值；表示预测的高斯元误差方差矩阵；表示k时刻第j个未关联的量测；h·表示量测方程，Hk表示h·的Jacobian矩阵；h-1·为量测方程的反函数；Rk为量测噪声方差；是先验的新生目标期望数；表示新生目标的预测数目；字母b表示新生目标；上标j表示第j个高斯元的参数；其中所述步骤S7还包括：新生目标的强度更新为 其中： 式中：表示更新后的高斯元权重；表示更新后的高斯元均值；表示更新后的高斯元误差方差矩阵；表示未关联的量测，表示未关联量测的集合；pD表示检测概率；表示k时刻量测z的似然，表示k时刻存活目标的预测量测，表示k时刻目标的预测状态；表示归一化系数；表示杂波密度；表示更新后的新生目标的数目；字母b表示新生目标；上标j表示第j个高斯元的参数。

全文数据：

权利要求：

百度查询： 苏州翼博特智能科技有限公司 一种自适应新生目标起始的多目标跟踪方法及处理装置