[发明专利]一种交互式多模伯努利滤波的机动弱目标检测前跟踪方法

权利要求书

1.一种交互式多模伯努利滤波的机动弱目标检测前跟踪方法，其特征是，包括步骤如下：

步骤1、初始化目标状态：根据目标运动场景，设定初始时刻目标粒子的状态参数，并用设定的状态参数作为目标的初始分布，采样固定数目的初始目标粒子，并将初始目标采样粒子用伯努利随机集的参数集形式表示，得到初始时刻目标采样粒子伯努利随机集的后验分布；

步骤2、预测目标状态：利用前一时刻目标采样粒子伯努利随机集的后验分布和灰度图像量测数据，用交互式多模方法对目标采样粒子进行预测，得到当前时刻预测的目标采样粒子伯努利随机集的后验分布；其中具体预测方法可由下列步骤来完成：

第2.1步，对k-1时刻更新后的目标采样粒子伯努利随机集后验分布，进行重采样得到k-1时刻存活粒子的采样样本；

第2.2步，根据k-1时刻灰度图像量测数据z_k-1，采样B个新生粒子；

第2.3步，将存活粒子采样与新生粒子采样合并，结合交互式多模方法对采样粒子进行预测，具体方式表示如下：

由每个模型预测得到的粒子和模型权概率得到交互多模型混合粒子，具体计算如下：

其中模型权概率计算：

第2.4步，计算目标的预测存在概率：

q_k|k-1＝p_b·(1-q_k-1|k-1)+p_s·q_k-1|k-1

第2.5步，计算预测粒子对应的预测权重：

上述各式中，l＝1,…,N+B，N+B表示初始时刻的目标采样粒子数目；B表示新生粒子个数；c＝1,…,s，s表示模型总个数；为模型c对应的状态转移方程，ν_k为状态噪声，表示前一时刻第l个目标采样粒子状态，表示模型c预测得到的粒子，表示从前一时刻到当前时刻第l个目标采样粒子状态的预测，表示模型c权概率；表示预测模型c概率，表示模型c预测粒子量测似然比，p_b表示目标的新生概率，p_s表示目标持续存活的概率，q_k|k-1表示从前一时刻到当前时刻目标采样粒子存在概率的预测，q_k-1|k-1表示前一时刻的目标存在概率，表示从前一时刻到当前时刻第l个目标采样粒子的权重的预测，表示前一时刻目标采样粒子的权重；

步骤3、更新目标状态：利用当前时刻的灰度图像量测数据，计算每个预测的目标采样粒子对应的量测似然比；并根据量测似然比，对当前时刻预测的目标采样粒子进行更新，得到当前时刻更新的目标采样粒子伯努利随机集的后验分布；

步骤4、状态估计：对更新后的目标粒子进行重采样，并得到当前时刻目标采样粒子伯努利随机集的后验分布；根据当前时刻目标采样粒子伯努利随机集的后验分布，选取存在概率大于或等于预设存在概率值的目标采样粒子的状态，作为当前时刻真实存在的目标状态；

步骤5、判断所有灰度图像是否处理完毕，若是，执行步骤6，否则，执行步骤2，处理下一帧图像；

步骤6、结束。

2.根据权利要求1所述的一种交互式多模伯努利滤波的机动弱目标检测前跟踪方法，其特征是，步骤1中，设定初始时刻目标粒子的状态参数包括存在概率、模型权概率、状态和权重，其中状态进一步包括位置、速度和强度。

3.根据权利要求1或2所述的一种交互式多模伯努利滤波的机动弱目标检测前跟踪方法，其特征是，步骤1中，初始时刻目标采样粒子伯努利随机集的后验分布为：

其中，q₀表示初始时刻目标采样粒子的存在概率；表示初始时刻第l个目标采样粒子的模型权概率；表示初始时刻第l个目标采样粒子的状态；表示初始时刻第l个目标采样粒子状态对应的状态权重；N+B表初始时刻的目标采样粒子数目。