[发明专利]基于高斯混合概率假设密度的数目时变多目标跟踪方法有效
申请号: | 202010331875.5 | 申请日: | 2020-04-24 |
公开(公告)号: | CN111523090B | 公开(公告)日: | 2023-03-31 |
发明(设计)人: | 张欢庆;刘杰;贾廷见;刘黎明;曹译恒 | 申请(专利权)人: | 商丘师范学院 |
主分类号: | G06F17/18 | 分类号: | G06F17/18 |
代理公司: | 郑州优盾知识产权代理有限公司 41125 | 代理人: | 郑园 |
地址: | 476002 河*** | 国省代码: | 河南;41 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 混合 概率 假设 密度 数目 多目标 跟踪 方法 | ||
1.一种基于高斯混合概率假设密度的数目时变多目标跟踪方法,其特征在于,包括如下步骤:
S1,增加标识符、历史状态提取标志信息及历史权值向量作为辅助参数以构建用于表示目标的新的高斯分量表述式;
在步骤S1中,所述历史状态提取标志信息包括历史状态提取标志向量和最大历史状态提取标志,且目标信息的新的高斯分量标准描述式为式中,w表示高斯分量的权值,m表示高斯分量的均值,P表示高斯分量的协方差矩阵,l表示高斯分量的标识符,/表示高斯分量的历史状态提取标志向量,η表示高斯分量的最大历史状态提取标志,θ表示高斯分量的历史权值向量;
S2,根据新的高斯分量表述式,对目标后验分量集进行初始化;
在步骤S2中,所述目标后验分量集ζk(o)的表达式为:
式中,Jk表示k时刻高斯分量的数目,表示k时刻第i个高斯分量/的权值,/表示k时刻第i个高斯分量/的均值,/表示k时刻第i个高斯分量/的协方差矩阵,/表示k时刻第i个高斯分量/的标识符,/表示k时刻第i个高斯分量/的历史状态提取标志向量,/表示k时刻第i个高斯分量/的最大历史状态提取标志,/表示k时刻第i个高斯分量/的历史权值向量;
所述标识符的表达式为:
式中,j表示高斯分量的计数变量;
所述历史状态提取标志向量的表达式为:
所述最大历史状态提取标志的表达式为:
所述历史权值向量的表达式为:
S3,根据新生目标的分量集和存活目标的预测分量集计算目标的预测分量集;
在步骤S3中,所述新生目标的分量集ζγ,k(o)的表达式为:
式中,Jγ,k表示k时刻新生高斯分量的数目,表示k时刻第j个新生高斯分量/的权值,/表示k时刻第j个新生高斯分量/的均值,/表示k时刻第j个新生高斯分量/的协方差矩阵,/表示k时刻第j个新生高斯分量/的标识符,/表示k时刻第j个新生高斯分量/的历史状态提取标志向量,/表示k时刻第j个新生高斯分量/的最大历史状态提取标志,/表示k时刻第j个新生高斯分量/的历史权值向量;
所述存活目标的预测分量集ζs,k|k-1(o)的表达式为:
式中,和/分别表示在k时刻用k-1时刻第i个高斯分量/的数据所预测的存活高斯分量/的预测权值、预测均值、预测协方差矩阵、预测标识符、预测历史状态提取标志向量、预测最大历史状态提取标志和预测历史权值向量,Js,k|k-1表示在k时刻用k-1时刻高斯分量数目Jk-1所预测的存活高斯分量的预测数目;
所述目标的预测分量集ζk|k-1(o)的表达式为:
式中,表示k时刻第i个预测高斯分量,Jk|k-1表示预测分量集ζk|k-1(o)中高斯分量的预测数目,/和/分别表示第i个预测高斯分量/的预测权值、预测均值、预测协方差矩阵、预测标识符、预测历史状态提取标志向量、预测最大历史状态提取标志和预测权值向量;
S4,基于量测集和步骤S3中所获得的目标的预测分量集计算目标的后验分量集;
S5,对步骤S4中所获得的目标的后验分量集进行变换,并对变换后的目标后验分量集进行约简;
S6,抽取目标的状态估计;
S7,若跟踪单个时刻,则目标跟踪结束;若跟踪若干个时刻,则重复执行S3-S6以继续跟踪数目时变的多目标,直至迭代所有时刻。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于商丘师范学院,未经商丘师范学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010331875.5/1.html,转载请声明来源钻瓜专利网。