[发明专利]基于SMC-PHD滤波器的多目标跟踪方法

权利要求书

1.基于SMC-PHD滤波器的多目标跟踪方法，其特征在于，所述方法包括：

根据上一时刻的后验概率假设密度的粒子数、粒子状态、各粒子的权值和标签对当前时刻的存活目标的粒子数、粒子状态、各粒子的权值和标签进行预测；

根据新生目标的概率假设密度得到当前时刻新生目标的粒子数、粒子状态以及各粒子的权值，并对新生目标的各粒子赋予标签；

根据当前时刻存活目标以及新生目标的粒子数、粒子状态、各粒子的权值以及粒子标签得到当前时刻的预测概率假设密度的粒子数、粒子状态、各粒子的权值以及标签；

获取当前时刻的多个目标的量测集，根据所述当前时刻的多个目标量测集校正当前时刻的预测概率假设密度，得到当前时刻后验概率假设密度以及相应的粒子数、粒子状态、各粒子的权值以及标签；

对所述当前时刻的后验概率假设密度进行重采样，并根据重采样后的后验概率假设密度进行计算得到当前时刻各目标的状态估计值，其中在计算各目标状态估计值时，将具有相同标签的粒子的加权平均值作为该目标的状态估计值；

将当前时刻各目标的粒子权值之和与预设的第一门限值进行对比，将大于所述第一门限值的所有目标的状态估计值输出，以实现对当前时刻的多目标跟踪，并还将当前时刻各目标的粒子权值之和与预设的第二门限值进行对比，将小于所述第二门限值的所有目标进行剔除，并保留所有大于第二门限值的目标；

根据当前时刻的后验概率假设密度的粒子数、粒子状态、各粒子的权值和标签对下一时刻存活目标的粒子数、粒子状态、各粒子的权值和标签进行预测，以计算下一时刻的预测概率假设密度，并对下一时刻的目标进行跟踪，直至多目标跟踪结束。

2.根据权利要求1所述的多目标跟踪方法，其特征在于，在对各粒子进行标记时，将描述同一个目标的粒子标记上相同的标签。

3.根据权利要求2所述的多目标跟踪方法，其特征在于，计算当前时刻的存活目标的粒子数、粒子状态、各粒子的权值和标签时包括：

所述当前时刻的存活目标的粒子数和上一时刻后验概率假设密度的粒子数相同；

所述当前时刻的存活目标的粒子状态从单目标马尔科夫状态转移密度中采样得到；

所述当前时刻的存活目标的各粒子预测权值根据上一时刻各目标粒子的权值以及从上一时刻到当前时刻目标存活概率计算得到；

对当前时刻预测存活目标的粒子赋予上一时刻对应粒子的标签。

4.根据权利要求3所述的多目标跟踪方法，其特征在于，计算当前时刻的新生目标的粒子数、粒子状态以及各粒子的权值，并对新生目标的各粒子赋予标签时包括：

所述当前时刻的新生目标的粒子数根据高斯分量数以及描述各目标的粒子数量进行计算得到，而各所述新生目标的粒子状态从新生密度函数中进行采样得到；

所述当前时刻的新生目标的粒子权值为其中b(x)为新生目标的概率假设密度，N_b为当前时刻的新生目标的粒子数；

在当前时刻新生的第n个高斯分量所对应的粒子将被赋予标签l＝(k+1,n)，其中k+1表示当前时刻。

5.根据权利要求4所述的多目标跟踪方法，其特征在于，所述新生目标的概率假设密度建模为高斯混合形式：

在上式中，N(·；μ,Σ)表示均值为μ协方差矩阵为∑的高斯分布概率密度函数，N_birth是高斯分量数，和分别是第n个分量的权值、均值和协方差。

6.根据权利要求5所述的多目标跟踪方法，其特征在于，所述当前时刻的预测概率假设密度为：

在上式中，N_k+1|k为当前时刻的所述存活目标以及新生目标的粒子数之和，为当前时刻的所述存活目标以及新生目标的各粒子的权值，为当前时刻的所述存活目标以及新生目标的各粒子状态，δ(·)为标准Dirac delta函数。