[发明专利]一种基于KFSTRCF的目标跟踪架构

权利要求书

1.一种基于KFSTRCF的目标跟踪架构，其特征在于：包括离散时间卡尔曼估计器DKE以及STRCF，所述DKE包括离散时间系统测量以及离散时间系统副本子系统；所述STRCF的目标跟踪结果输出作为离散时间系统测量中观测模型的测量值输入，通过离散时间系统副本子系统对DKE的模型进行更新，获得状态估计观测更新方程。

2.根据权利要求1所述的一种基于KFSTRCF的目标跟踪架构，其特征在于：所述离散时间系统副本子系统更新后的输出环节，通过步长控制环节来限制整个目标跟踪架构输出状态最大振幅，所述步长控制具体如下：

定义最大步长为：len_max＝v×dt.，v表示跟踪目标的速度，t为采样时刻；

建立以下条件约束：

上式中，表示的第1行和第1列元素，x_t(1,1)表示x_t的第1行和第1列元素；x_t表示DKE目标运动输入状态向量，表示输出状态向量后验值。

3.根据权利要求1或2所述的一种基于KFSTRCF的目标跟踪架构，其特征在于：所述离散时间系统测量中的系统动态模型如下：

x_t＝Μx_t-1+Γu_t-1.

其中，x_t表示DKE目标的n×1维运动输入状态向量，u_t-1表示控制状态的r×1维确定性输入向量，t为采样时刻；Μ表示n×n维状态转移矩阵，它是一个时不变矩阵；Γ表示n×r维离散时间输入耦合矩阵，它是一个时不变矩阵；

用目标的速度v将状态转移矩阵定义为：

使用单位矩阵I来描述离散时间输入耦合矩阵Γ；

确定性输入向量可由下式确定，e表示环境噪声：

利用测量值更新目标的跟踪结果，将测量值Z_t和跟踪结果x_t之间的线性相关方程定义为：

z_t＝Νx_t+υ.

其中，Ν表示测量灵敏度矩阵，它是时不变矩阵，采用系统中的n×n维单位矩阵I；υ表示测量噪声，它是一个常数参数[1 0]^T。

4.根据权利要求3所述的一种基于KFSTRCF的目标跟踪架构，其特征在于：所述STRCF与DKE的融合方式具体如下：

针对STRCF，将离散采样时刻t的每个样本表示为由S个特征映射组成，其大小为M×N；并且y_t是预定义的高斯形状标签，通过最小化以下目标函数来实现STRCF模型：

其中Hadamard积表示为·，卷积算子表示为*，w_t和f_t分别表示空间正则化矩阵和相关滤波器；将第(t-1)帧的STRCF结果表示为f_t-1，惩罚参数表示为σ，和||f_t-f_t-1||²代表空间正则化和时间正则化；

由于上述模型是凸函数，STRCF可以通过ADMM算法最小化公式(1)得到全局最优解，因此，将辅助变量表示为g_t，并要求f_t＝g_t和将步长参数表示为ρ，然后将公式(1)的增广拉格朗日形式表示为：

其中s_t是拉格朗日乘数，σ是惩罚因子；

基于式(1)，相关滤波器表示在采样时刻t第s特征层的M×N卷积滤波器，滤波器f_t对样本x_t的卷积响应为：

通过求解数目为M×N的S×S线性方程组，可以得到离散傅里叶变换滤波器为：

由于STRCF以滑动窗口的方式计算帧的所有循环移位上的分类分数，因此使用DFT的卷积特性来获得第t帧中所有像素的分类分数为：

其中，运算符·表示逐点乘法，bar运算符表示DFT运算，而运算符Δ^-1表示DFT的逆运算。