[发明专利]一种自适应新生目标起始的多目标跟踪方法及处理装置

说明书

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。

技术领域

本发明涉及目标跟踪技术领域，尤其涉及一种自适应新生目 标起始的多目标跟踪方法。

背景技术

在现有技术中，传统的多目标跟踪解决方案往往根据传感器 探测到的、由多个运动目标和环境噪声产生的量测序列，来估计 多个目标运动状态和数目。然而，在实际的多目标跟踪问题中， 传感器的量测具有随机误差，且存在杂波干扰。另外，目标在观 测区域随机的出现和消失，目标的数目往往是未知的。其次，在 跟踪过程中存在检测不确定和关联不确定，以上这些因素都使得 多目标跟踪具有一定的挑战性。

基于随机有限集(RFS)的多目标跟踪方法避免了显式的数据 关联，可以在目标时变并且未知时应用，近年来得到了广泛关注。 Mahler提出的概率假设密度(probabilityhypothesis density，PHD) 滤波器使基于RFS的多目标跟踪方法得以实用。当前，实现PHD滤波器的主要方法有序贯Monte Carlo(SMC-PHD)方法和高斯混 合(Gaussian mixtureprobability hypothesis density，GM-PHD)方 法。相比SMC-PHD方法，GM-PHD滤波器峰值提取方法简单， 且可以通过高斯元的合并和剪枝有效地控制计算量。

标准的PHD递推过程假设目标新生强度是先验已知的。但是 当新的目标出现在新生强度没有覆盖到的地方时，PHD滤波器就 无法检测到。在整个状态空间产生新的目标是一种常用的解决方 法，然而覆盖整个状态空间需要较大的计算量，因此出现了基于 量测驱动的新生目标产生方法来克服这个问题。该方法可以在没 有任何先验信息的情况下自适应的利用量测产生新生目标强度。 但是直接将基于量测驱动的新生目标强度产生方法应用于PHD会 产生有偏的目标数目估计，并提出了一种自适应新生目标起始的 PHD滤波器来解决这个问题。该方法可以区分已存在目标和新生 目标，并在预测和更新步进行分别递推。经对现有技术文献检索 后发现，欧阳成等人(欧阳成，华云，高尚伟.改进的自适应新生目标强度PHD滤波[J].系统工程与电子技术，2013， 35(12)：2452-2458.)提出了一种改进的自适应新生目标起始的PHD 滤波器，但是这个方法没有利用所有目标产生量测，当目标数目 很大的时候，大量的运算时间花费在处理产生自杂波的存活目标 量测。

发明内容

针对现有技术的自适应新生目标起始的多目标跟踪方法存在 的上述缺陷，本发明提供了一种基于高斯混合概率假设密度滤波 器的自适应新生目标起始的多目标跟踪方法及处理装置。该方法 可用于雷达、红外、可见光目标跟踪、多旋翼无人机的检测跟踪 和移动机器人跟踪、定位等领域。

依据本发明的一个方面，提供了一种自适应新生目标起始的 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；