[发明专利]一种基于高斯混合模型的数据关联方法

摘要

本发明公开了一种基于高斯混合模型的数据关联方法，该方法包括：根据多个目标的初始状态和第一预设矩阵得到多目标跟踪的状态模型；根据状态模型和第二预设矩阵，得到目标的观测模型，根据观测模型计算目标的预测位置和新息协方差；根据观测模型和预设波门，得到若干目标有效量测，由若干目标有效量测构建一高斯混合模型；根据高斯混合模型构建后验概率模型，利用最大期望方法，更新后验概率模型中的参数，根据参数得到目标后验概率；根据目标后验概率构建关联矩阵，对关联矩阵进行搜索，得到目标和目标有效量测。本发明将高斯混合模型用于多目标跟踪，避免了联合概率数据关联法复杂的矩阵拆分，减少了计算量，跟踪精度高，适用于实时多目标跟踪。

主权项

1.一种基于高斯混合模型的数据关联方法，其特征在于，包括：步骤1、输入若干个目标的初始状态，根据所述若干个目标的初始状态和第一预设矩阵进行目标的状态预测，得到多目标跟踪的状态模型，所述目标的初始状态包括目标初始的位置、目标初始的速度；步骤2、根据所述状态模型和第二预设矩阵进行目标的观测，得到目标的观测模型，根据所述观测模型计算目标的预测位置和新息协方差；步骤3、根据所述观测模型和预设波门，得到若干目标有效量测，将每个所述目标有效量测等效为一高斯模型，得到若干所述高斯模型，将所述若干高斯模型加权求和得到一所述高斯混合模型；步骤4、根据所述高斯混合模型构建后验概率模型，利用最大期望方法，不断迭代更新所述后验概率模型中的参数，并根据所述参数得到目标后验概率；步骤5、根据所述目标后验概率构建关联矩阵，对所述关联矩阵进行搜索，找到每一列所述关联矩阵的最大目标后验概率，所述最大目标后验概率所在列对应所述目标，所述最大目标后验概率所在行对应所述目标有效量测。