[发明专利]基于红外目标灰度互相关和角度信息的多假设跟踪方法

说明书

本发明涉及一种基于红外目标灰度互相关和角度信息的多假设跟踪方法，利用红外目标灰度互相关特征信息和角度信息，对多假设跟踪方法中的航迹置信度评价模型进行重新构建，建立基于灰度互相关和角度信息的航迹置信度评价模型，利用该模型完成航迹置信度计算，实现多目标航迹的快速确认和快速删减，减少后续航迹假设数量，有效提高航迹建立时间和降低算法复杂度。因此借助红外目标灰度互相关和角度信息的航迹置信度评价模型能够达到较好的效果，优于使用角度信息航迹评价模型的多假设跟踪方法。

技术领域

本发明属于数据处理技术领域，涉及一种用于多目标跟踪的方法，具体涉及一种基于红外目标灰度互相关和角度信息的多假设跟踪方法。

背景技术

由于红外告警系统可获取的信息量较少，一般只有目标角度信息，且得到的目标信息中存在大量虚警和杂波，多目标跟踪存在实时性与准确性的矛盾，需要对其进行深入研究。目前，概括起来多目标跟踪算法主要包括全局最近邻域法(GNN)、联合概率数据互联法(JPDA)和多假设跟踪法(MHT)。全局最近邻域法和联合概率数据互联法计算量小，实时性高，但在高密集杂波环境下易丢失目标；多假设跟踪算法是解决高杂波环境下多目标数据关联准确度最高的方法，但该算法计算量较大，实时性差。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于红外目标灰度互相关和角度信息的多假设跟踪方法，利用红外目标灰度互相关特征和角度信息，重新构建多假设跟踪中航迹置信度评价模型，实现多目标航迹的快速确认和快速删减，有效提高航迹建立时间和降低算法复杂度。

技术方案

一种基于红外目标灰度互相关和角度信息的多假设跟踪方法，其特征在于：首先对航迹初始化，然后步骤如下：

步骤1：进行数据关联，对预测后的航迹进行卡尔曼k次滤波，滤波器的残差残余协方差矩阵S和残差范数d²如下：

S＝HP(k/k)H^T+R(k)

式中，H为量测矩阵，为滤波器输出，P(k/k)为误差协方差矩阵，R(k)为测量噪声协方差矩阵，c为关联门限，采用自适应门限；

步骤2、航迹评价：计算航迹置信度,由递推累积产生，航迹置信度如下：

L(k)＝L(k-1)+ΔL_k

其中：P_d为目标的探测概率，β_f为虚警空间探测密度，M为量测空间维数，d²是残差范数，S是残余协方差矩阵，Cov(k|k-1)是航迹Track(k-1)关联目标5*5邻域与航迹Track(k)关联目标5*5邻域的互相关系数；

所述

步骤3、航迹删减：

当L(k)＜T_L，删除航迹；

当L(k)＞T_U，确认航迹；

其中，T_L为航迹删减置信度阈值，T_U为航迹确认置信度阈值；

当T_L＜L(k)＜T_U：

1.航迹聚类：航迹聚类生成准则：不同航迹类中的没有交互；

2.航迹假设：航迹假设生成准则：遍历航迹聚类中所有可能航迹；任选一条航迹作为假设的航迹；排除与这条航迹不兼容的所有航迹；