基于序貫貝葉斯濾波的多目標(biāo)跟蹤方法及跟蹤系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于多傳感器信息融合技術(shù)領(lǐng)域，尤其設(shè)及基于序貫貝葉斯濾波的多目標(biāo) 跟蹤方法及跟蹤系統(tǒng)。
【背景技術(shù)】
[0002] 貝葉斯濾波技術(shù)能夠提供一種強(qiáng)大的統(tǒng)計(jì)方法工具，用于協(xié)助解決測(cè)量數(shù)據(jù)具有 不確定性情況下的多傳感器信息的融合與處理。為了解決多目標(biāo)貝葉斯濾波方法對(duì)新收到 的測(cè)量數(shù)據(jù)不能被及時(shí)處理而產(chǎn)生的信息延遲問(wèn)題W及未知目標(biāo)初始位置情況下的多目 標(biāo)跟蹤問(wèn)題，我們已提出了解決辦法，具體請(qǐng)參考申請(qǐng)?zhí)枮镃N201510284138.3、一種傳遞邊 緣分布的測(cè)量驅(qū)動(dòng)目標(biāo)跟蹤方法與跟蹤系統(tǒng)的專利申請(qǐng)。然而，該方法不能對(duì)運(yùn)動(dòng)模式在 不同模型間轉(zhuǎn)換的機(jī)動(dòng)目標(biāo)進(jìn)行有效跟蹤，如何對(duì)運(yùn)動(dòng)模式在不同模型間轉(zhuǎn)換的機(jī)動(dòng)目標(biāo) 跟蹤是多目標(biāo)貝葉斯濾波方法中需要探索和解決的一個(gè)關(guān)鍵技術(shù)問(wèn)題。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明所要解決的技術(shù)問(wèn)題在于提供一種基于序貫貝葉斯濾波的多目標(biāo)跟蹤方 法及跟蹤系統(tǒng)，旨在解決運(yùn)動(dòng)模式在不同模型間轉(zhuǎn)換的多機(jī)動(dòng)目標(biāo)的跟蹤問(wèn)題。
[0004] 本發(fā)明是運(yùn)樣實(shí)現(xiàn)的，一種基于序貫貝葉斯濾波的多目標(biāo)跟蹤方法，包括W下步 驟：
[0005] 步驟A、當(dāng)接收到新的測(cè)量數(shù)據(jù)后，計(jì)算出接收到所述新的測(cè)量數(shù)據(jù)的時(shí)刻與接收 到前一個(gè)測(cè)量數(shù)據(jù)的時(shí)刻的時(shí)間差，W接收到所述新的測(cè)量數(shù)據(jù)的時(shí)刻為當(dāng)前時(shí)刻，接收 到前一個(gè)測(cè)量數(shù)據(jù)的時(shí)刻為前一時(shí)刻;根據(jù)所述時(shí)間差、各個(gè)模型間的轉(zhuǎn)移概率W及前一 時(shí)刻各個(gè)目標(biāo)的邊緣分布及其存在概率，預(yù)測(cè)出當(dāng)前時(shí)刻各個(gè)目標(biāo)在不同模型下的邊緣分 布及其存在概率；
[0006] 步驟B、根據(jù)所述預(yù)測(cè)的當(dāng)前時(shí)刻各個(gè)目標(biāo)在不同模型下的邊緣分布及其存在概 率，利用貝葉斯規(guī)則序貫處理當(dāng)前時(shí)刻的每一個(gè)測(cè)量數(shù)據(jù)得到各個(gè)目標(biāo)在不同模型下的更 新邊緣分布及其存在概率；
[0007] 步驟C、將所述當(dāng)前時(shí)刻各個(gè)目標(biāo)在不同模型下的更新邊緣分布及其存在概率進(jìn) 行融合，形成當(dāng)前時(shí)刻各個(gè)目標(biāo)的更新邊緣分布及存在概率；
[000引步驟D、利用當(dāng)前時(shí)刻的每一個(gè)測(cè)量數(shù)據(jù)產(chǎn)生新目標(biāo)的邊緣分布，為其指定存在概 率和模型標(biāo)簽；同時(shí)，將當(dāng)前時(shí)刻新目標(biāo)的邊緣分布及其存在概率分別與所述當(dāng)前時(shí)刻各 個(gè)目標(biāo)的更新邊緣分布及其存在概率進(jìn)行合并，生成當(dāng)前時(shí)刻的各個(gè)目標(biāo)的邊緣分布及其 存在概率；
[0009]步驟E、從合并后所生成的當(dāng)前時(shí)刻各個(gè)目標(biāo)的邊緣分布中將存在概率小于第一 闊值的邊緣分布裁減掉，并且將裁減后的邊緣分布及其存在概率作為下一時(shí)刻遞歸濾波的 輸入，同時(shí)，從裁減后的邊緣分布中提取存在概率大于第二闊值的邊緣分布作為當(dāng)前時(shí)刻 的輸出，并且將各個(gè)輸出邊緣分布的均值與方差分別作為當(dāng)前時(shí)刻目標(biāo)的狀態(tài)估計(jì)與誤差 估計(jì)。
[0010]本發(fā)明還提供了一種基于序貫貝葉斯濾波的多目標(biāo)跟蹤系統(tǒng)，該系統(tǒng)同樣能解決 運(yùn)動(dòng)模式在不同模型間轉(zhuǎn)換的多機(jī)動(dòng)目標(biāo)的跟蹤問(wèn)題，且可W確保數(shù)據(jù)處理的實(shí)時(shí)性。 [OOW 該多目標(biāo)跟蹤系統(tǒng)，包括：
[0012] 預(yù)測(cè)模塊，當(dāng)接收到新的測(cè)量數(shù)據(jù)后，計(jì)算出接收到所述新的測(cè)量數(shù)據(jù)的時(shí)刻與 接收到前一個(gè)測(cè)量數(shù)據(jù)的時(shí)刻的時(shí)間差，W接收到所述新的測(cè)量數(shù)據(jù)的時(shí)刻為當(dāng)前時(shí)刻， 接收到前一個(gè)測(cè)量數(shù)據(jù)的時(shí)刻為前一時(shí)刻;根據(jù)所述時(shí)間差、各個(gè)模型間的轉(zhuǎn)移概率W及 前一時(shí)刻各個(gè)目標(biāo)的邊緣分布及其存在概率，預(yù)測(cè)出當(dāng)前時(shí)刻各個(gè)目標(biāo)在不同模型下的邊 緣分布及其存在概率；
[0013] 更新模塊，根據(jù)所述預(yù)測(cè)模塊中預(yù)測(cè)的當(dāng)前時(shí)刻各個(gè)目標(biāo)在不同模型下的邊緣分 布及其存在概率，利用貝葉斯規(guī)則序貫處理當(dāng)前時(shí)刻的每一個(gè)測(cè)量數(shù)據(jù)得到各個(gè)目標(biāo)在不 同模型下的更新邊緣分布及其存在概率；
[0014] 模型融合模塊，將所述更新模塊中當(dāng)前時(shí)刻各個(gè)目標(biāo)在不同模型下的更新邊緣分 布及其存在概率進(jìn)行融合，形成當(dāng)前時(shí)刻各個(gè)目標(biāo)的更新邊緣分布及存在概率；
[0015] 邊緣分布生成模塊，利用當(dāng)前時(shí)刻的每一個(gè)測(cè)量數(shù)據(jù)產(chǎn)生新目標(biāo)的邊緣分布，為 其指定存在概率和模型標(biāo)簽；同時(shí)，將當(dāng)前時(shí)刻新目標(biāo)的邊緣分布及其存在概率分別與所 述模型融合模塊中當(dāng)前時(shí)刻各個(gè)目標(biāo)的更新邊緣分布及其存在概率進(jìn)行合并，生成當(dāng)前時(shí) 刻的各個(gè)目標(biāo)的邊緣分布及其存在概率；
[0016] 邊緣分布提取模塊，從所述邊緣分布生成模塊中將合并后所生成的當(dāng)前時(shí)刻各個(gè) 目標(biāo)的邊緣分布中將存在概率小于第一闊值的邊緣分布裁減掉，并且將裁減后的邊緣分布 及其存在概率作為下一時(shí)刻遞歸濾波的輸入，同時(shí)，從裁減后的邊緣分布中提取存在概率 大于第二闊值的邊緣分布作為當(dāng)前時(shí)刻的輸出，并且將各個(gè)輸出邊緣分布的均值與方差分 別作為當(dāng)前時(shí)刻目標(biāo)的狀態(tài)估計(jì)與誤差估計(jì)。
[0017] 本發(fā)明與現(xiàn)有技術(shù)相比，有益效果在于:所述的基于序貫貝葉斯濾波的多目標(biāo)跟 蹤方法通過(guò)預(yù)測(cè)、更新、融合、邊緣分布生成及邊緣分布提取的步驟能將序貫貝葉斯濾波器 與不同的模型結(jié)合起來(lái)，既保證了數(shù)據(jù)處理的實(shí)時(shí)性，同時(shí)又有效地解決了運(yùn)動(dòng)模式在不 同模塊之間的多機(jī)動(dòng)目標(biāo)的跟蹤問(wèn)題，且具有廣泛的實(shí)用性。
【附圖說(shuō)明】
[0018] 圖1是本發(fā)明序貫貝葉斯濾波的多目標(biāo)跟蹤方法的流程圖；
[0019] 圖2是本發(fā)明序貫貝葉斯濾波的多目標(biāo)跟蹤系統(tǒng)的結(jié)構(gòu)示意圖；
[0020] 圖3是本發(fā)明實(shí)施例提供的傳感器在50個(gè)掃描周期的測(cè)量數(shù)據(jù)；
[0021] 圖4是根據(jù)本發(fā)明的多目標(biāo)跟蹤方法與基于跳躍馬爾科夫系統(tǒng)模型的GM-P皿目標(biāo) 跟蹤方法處理得到的結(jié)果；
[0022] 圖5是根據(jù)本發(fā)明的多目標(biāo)跟蹤方法與基于跳躍馬爾科夫系統(tǒng)模型的GM-P皿濾波 方法處理得到的結(jié)果；
[0023] 圖6是根據(jù)本發(fā)明的多目標(biāo)跟蹤方法與基于跳躍馬爾科夫系統(tǒng)模型的GM-P皿-JMS 濾波方法在經(jīng)過(guò)100次實(shí)驗(yàn)得到的平均OSPA距離示意圖。
【具體實(shí)施方式】
[0024] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，W下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用W解釋本發(fā)明，并 不用于限定本發(fā)明。
[0025] 本發(fā)明的基于序貫貝葉斯濾波的多目標(biāo)跟蹤方法通過(guò)對(duì)各個(gè)目標(biāo)的邊緣分布及 其存在概率進(jìn)行預(yù)測(cè)、更新、融合、生成W及提取，從而解決了在不同模型間進(jìn)行轉(zhuǎn)換的機(jī) 動(dòng)目標(biāo)跟蹤問(wèn)題并且能夠及時(shí)處理當(dāng)前時(shí)刻接收到的測(cè)量數(shù)據(jù)。
[0026] 如圖1所示，基于序貫貝葉斯濾波的多目標(biāo)跟蹤方法，包括W下步驟：
[0027] 步驟A、當(dāng)接收到新的測(cè)量數(shù)據(jù)后，計(jì)算出接收到所述新的測(cè)量數(shù)據(jù)的時(shí)刻與接收 到前一個(gè)測(cè)量數(shù)據(jù)的時(shí)刻的時(shí)間差，W接收到所述新的測(cè)量數(shù)據(jù)的時(shí)刻為當(dāng)前時(shí)刻，接收 到前一個(gè)測(cè)量數(shù)據(jù)的時(shí)刻為前一時(shí)刻;根據(jù)所述時(shí)間差、各個(gè)模型間的轉(zhuǎn)移概率W及前一 時(shí)刻各個(gè)目標(biāo)的邊緣分布及其存在概率，預(yù)測(cè)出當(dāng)前時(shí)刻各個(gè)目標(biāo)在不同模型下的邊緣分 布及其存在概率。
[0028] 模型為目標(biāo)的運(yùn)動(dòng)提供場(chǎng)所，設(shè)模型表示為ri,k。目標(biāo)是需要測(cè)試、跟蹤的對(duì)象。根 據(jù)模型間的轉(zhuǎn)移概率可W將不同模型轉(zhuǎn)化為同一個(gè)模型，W方便運(yùn)動(dòng)模式在不同模型間的 巧慢、跟蹤。
[0029] Wk-I表示前一時(shí)刻，k表示當(dāng)前時(shí)刻，tk-i表示前一時(shí)刻的時(shí)間，tk表示當(dāng)前時(shí)刻 的時(shí)間，表示前一時(shí)刻第i個(gè)邊緣分布的模型標(biāo)簽，ri,k表示當(dāng)前時(shí)刻第i個(gè)邊緣分布的 模型標(biāo)簽，1非i,k含Mr,Mr表示模型的總數(shù)目。
[0030] 已知前一時(shí)刻第i個(gè)邊緣分布為N(xi,k-i ;mi,k-i(ri,k-i)，Pi,k-i(ri,k-i))，i = 1， 2，...，Nk-i，前一時(shí)刻第i個(gè)邊緣分布的存在概率為化,k-l(ri,k-l)，i = l，…，Nk-l;其中，N表示 高斯分布，Xi, k-i表示為前一時(shí)刻第i個(gè)邊緣分布的狀態(tài)向量，mi, k-i (r i, k-i)和Pi, k-i (r i, k-i)分 別表示前一時(shí)刻第i個(gè)邊緣分布的均值和方差，Nk-I為前一時(shí)刻目標(biāo)的總數(shù)，i為索引號(hào)，I < i< Nk-Io
[0031] 根據(jù)前一時(shí)刻的邊緣分布及其存在概率、當(dāng)前時(shí)刻與前一時(shí)刻的時(shí)間差W及模型 間的轉(zhuǎn)移概率得出當(dāng)前時(shí)刻各目標(biāo)在不同模型下預(yù)測(cè)的邊緣分布為 Pi,k|k-i(ri,k))，i = l，2,...，化-1,1 <'1,1^<1。當(dāng)前時(shí)刻各預(yù)測(cè)邊緣分布的存在概率為 Pi,k I k-l (Ti'k)二PS,k( tk-tk-l ) tk I k-l (Ti'k I ri,k-l )Pi,k-l (Ti, k-l ),i 二 1,2,..., Nk-1,1 ^ Ti'k ^ Mr ;其 中，mi,k|k-l(:ri,k)=Fk-l(:ri,k)mi,k-l(:ri,k-l)為當(dāng)前時(shí)刻目標(biāo)i在模型:ri,k下的預(yù)測(cè)邊緣分布的 均值，
為目標(biāo)i在模型n,k下的預(yù)測(cè)邊緣分 布的方差，tk|k-i(ri,k|r