[发明专利]多贝努利随机有限蚁群多细胞跟踪方法

权利要求书

1.一种多贝努利随机有限蚁群多细胞跟踪方法，其特征在于：

单贝努利随机有限子蚁群：单贝努利随机有限子蚁群i，其状态表示为其为空集的概率为为单个蚁群存在概率，对应的离散分布为其中，w^(i,j)代表第i子蚁群中第j个蚂蚁所对应的权重，δ表示狄拉克函数，表示第i子蚁群中第j个蚂蚁状态，为该子蚁群蚂蚁的个数；给定单贝努利随机有限子蚁群i的蚂蚁状态集合且所对应的信息素场τ⁽ⁱ⁾已知，其存在概率可表示为其中，s为面积积分变量，g(s)为启发式似然函数，R_i为子蚁群的影响区域，当蚂蚁均在此影响区域时，有其中，表示蚂蚁状态对应的信息素强度，表示蚂蚁状态对应的启发式似然函数；

多贝努利随机有限蚁群：多贝努利随机有限蚁群状态的状态表示为X_a，它是由若干个独立的单贝努利随机有限子蚁群组成的并，若假设任一个子蚁群i状态为它的存在概率表示为所对应的离散分布为则有(∪表示并操作)，其对应的概率密度函数可表示为

其中，π表示概率密度函数，为所估计多目标的数，N为多贝努利随机有限蚁群数，并有i_j为整数，且在整数1和N之间取值，符号Π表示乘积运算，为蚂蚁数且为常数，则在联合影响区域里，存在概率表示为

具体步骤为：

预测步骤，包括多贝努利随机有限子蚁群状态预测及其对应的信息素场预测,多贝努利随机有限子蚁群状态预测下一帧蚁群开始搜索的初始位置，快速搜索到下一帧所感兴趣的细胞；信息素场的预测加速在当前帧信息素场的形成，同时使预测的蚁群利用先验启发式信息进行快速搜索；

更新步骤，针对得到的预测信息素场和多贝努利随机有限子蚁群状态的更新，通过随机有限子蚁群所形成的信息素场，提取细胞的状态与轮廓，并进行合并、删除操作，直至最后的细胞分裂判别与数据关联，实现多细胞的跟踪。

2.根据权利要求1所述的多贝努利随机有限蚁群多细胞跟踪方法，其特征在于：对于第一帧，无需预测步骤，只采用更新步骤，得到多贝努利随机有限蚁群的初始分布。

3.根据权利要求1所述的多贝努利随机有限蚁群多细胞跟踪方法，其特征在于所述的预测步骤中信息素场预测的具体步骤为：

1)在某时刻k-1，子蚁群i所对应的信息素场具有高斯表达式其中，表示高斯分布，表示均值，表示方差；

2)在下一时刻k，其对应的预测信息素场所形成的联合概率密度函数可表示为

其中，表示所形成的预测信息素场i，n表示所生成的子预测信息素场数量，表示第j个子预测信息素场，其均值为其中，f_j,k|k-1(·)表示第j个状态转移函数，方差为其中，A_j为f_j,k|k-1(·)的雅可比矩阵，ε_j,k表示过程噪声协方差矩阵。

4.根据权利要求1所述的多贝努利随机有限蚁群多细胞跟踪方法，其特征在于所述的预测步骤中多贝努利随机有限子蚁群状态预测公式为

其中，表示子蚁群i中某蚂蚁在k-1时刻的状态，且W_k表示在k时刻的过程噪声，服从高斯分布

在上述预测机制的基础上，得到如下结论

假如某时刻k-1，后验的多目标概率密度函数可用多贝努利随机有限蚁群表示为则预测的多目标概率密度函数也可用多贝努利随机有限蚁群表示为

其中，表示子蚁群i在k-1时刻存在概率，表示子蚁群i中蚂蚁状态对应的权重，表示预测的子蚁群i的存在概率，表示对应的子蚁群i中第个蚂蚁预测状态的权重，表示对应的子蚁群i中第个蚂蚁的预测状态，表示在k-1时刻对应的子蚁群i中蚂蚁个数，N_k-1表示在k-1时刻多贝努利随机有限子蚁群个数；表示在k时刻新生贝努利随机有限子蚁群i，表示在k时刻新生贝努利随机有限子蚁群i中第个蚂蚁状态的权重，表示在k时刻新生贝努利随机有限子蚁群i中第个蚂蚁的状态，表示在k时刻对应的新生子蚁群i中蚂蚁个数，N_Γ,k表示在k时刻多贝努利新生随机有限子蚁群个数。