[发明专利]基于概率假设密度滤波的多目标检测前跟踪方法

摘要

本发明公开了一种基于概率假设密度滤波的多目标检测前跟踪方法，该方法通过深入分析传统方法存在的问题，指出其本质原因是它认为一个目标对整个区域的观测都有影响，同时认为每帧虚警数目可以近似成一个定值，即传统方法没有遵守实现PHD滤波的两个基本假设：首先，一个目标只能产生一个观测；其次，每帧虚警的数目在时间上必须服从泊松分布。本发明通过解决这些问题，提出一种改进的基于概率假设密度滤波的多目标检测前跟踪方法，可以提高目标数目估计的准确率，增强检测与跟踪性能，同时达到降低计算量的效果。

主权项

1.一种基于概率假设密度滤波的多目标检测前跟踪方法，其特征在于，包括如下步骤：(1)建立目标的状态方程和传感器的观测方程；所述传感器观测方程为：传感器每隔T时间对矩形监视区域进行观测，传感器有n×m个感应单元，每个感应单元(i,j)对应矩形区域小块Δx×Δy，感应单元(i,j)的中心坐标为(iΔx,jΔy)，i＝1,...,n,j＝1,...,m，则k时刻感应单元(i,j)的强度观测为其中是k时刻感应单元(i,j)的观测噪声，假设其统计特征已知；为k时刻目标l对感应单元(i,j)的信号强度贡献；Σ是传感器的测量误差；是k时刻第l个目标的状态向量，是目标x轴方向的位置和速度，是目标y轴方向的位置和速度，是目标信号的强度；N_k是k时刻目标的总数目；(2)用序贯蒙特卡洛方法得到k时刻粒子的权重，包括预测和更新两个阶段；k‑1时刻多目标后验概率密度Dk‑1|k‑1(Xk‑1|Z1:k‑1)用一系列带有权重的粒子表示，即：其中是粒子的状态，是粒子的权重，L_k‑1是k‐1时刻粒子的数目，是k时刻整个区域的观测集合，Z_1:k＝{Z_i:i＝1,...,k}是从1时刻到k时刻所有的观测集合；预测阶段：预测的粒子有两部分来源，第一部分来自前一时刻粒子的状态转移，第二部分来自完全新生的粒子，这两部分粒子的权重分别为和其中J_k是k时刻新生的粒子数目；更新阶段：k时刻粒子权重的更新公式为：其中其中是在感应单元(i,j)中目标和观测噪声的总似然函数，是在感应单元(i,j)中观测噪声的似然函数，σ为观测噪声的标准差；K_k(Z)是虚警密度函数；p^r,s＝{p:p∈{1,...,L_k‑1+J_k}}是粒子集合，(r,s)是目标所在的感应单元；(3)计算k时刻的多目标后验概率密度Dk|k(Xk|Z1:k)；(4)对粒子进行重采样：在更新权重后的粒子集中，根据粒子权重的大小重采样得到新的粒子集；(5)循环执行步骤(1)‑(4)，直到达到设定的观测时间TO，最终得到TO个时刻的目标后验概率密度，从而实现多目标检测前跟踪。