法律状态公告日
法律状态信息
法律状态
2013-06-26
授权
授权
2012-06-06
实质审查的生效 IPC(主分类):G01S13/66 申请日:20110811
实质审查的生效
2012-04-25
公开
公开
技术领域
本发明涉及一种多目标跟踪方法,特别是涉及一种具有图像确认的多目标跟踪方法。
背景技术
多目标跟踪技术在军用及民用领域均有广泛的应用,可用于空中目标检测、跟踪 与攻击,空中导弹防御,空中交通管制,港口和海洋监视等。近些年来,随着战场环 境的改变,对抗和反对抗技术的发展,产生了背景强杂波、低信噪比、低检测概率和 高虚警率等一系列问题,对多目标跟踪方法的精度和准确性提出了更高的要求。
多目标跟踪的目的是将探测器所接收到的量测对应不同的信息源,形成不同观测 集合或轨迹,根据轨迹估计被跟踪目标的数目以及每一目标的运动参数,实现对多个 目标的跟踪。用于多目标状态估计的基本滤波方法有α-β滤波、α-β-γ滤波、卡尔曼滤 波、扩展卡尔曼滤波、高斯和近似、最优非线性滤波、粒子滤波和自适应滤波等。α-β 和α-β-γ滤波器由于结构简单,计算量小,在早期计算机资源短缺时应用很广。卡尔 曼滤波是多目标跟踪的一种基本方法,但是需要知道系统的精确数学模型,并且只适 用于线性系统,限制了算法的应用。扩展卡尔曼滤波将卡尔曼滤波理论扩展到非线性 领域,用一个高斯分布来近似状态的条件概率分布;而当近似条件不满足时,高斯和 滤波器则用一个高斯分布的加权和来近似状态的条件概率分布。最优非线性滤波使用 Makov转移概率来描述目标的动力学过程,具有很好的特性,但是计算量较大,因此 一直没有得到广泛应用。粒子滤波采用随机采样,由于计算量太大和粒子退化问题, 不适合实际应用。为了改进粒子滤波,无迹卡尔曼滤波采用确定性采样,使得采样的 粒子点个数减少,避免了粒子滤波中的粒子点退化问题,因此其应用领域很广。自适 应滤波方法通过对目标机动的检测,实时调整滤波器参数或增加滤波器的状态,使滤 波器实时适应目标运动,特别适合对机动目标的跟踪。
在多目标跟踪问题中,文献“史忠科,Kalman滤波新结构及其在目标跟踪中的应 用.自动化学报,1994,Vol.20,No.5,pp.605-609”公开了一种单目标的离散化模型
x(k+1)=Ф(k+1,k)x(k)+Λ(k)w(k),
式中,
w(k)为状态噪声向量,
Ф(k+1,k)=diag[Ф1,Ф1,Ф1]为状态转移矩阵,
Γ(t)为系统噪声的系数矩阵,
观测方程为
y(k)=H(k)x(k)+v(k),
式中,y(k)为观测向量,H(k)为观测矩阵,v(k)为观测噪声向量, 跟踪估计方法为:
式中,下标i代表第i个目标的状态或测量值,
xi(k/k)为第i个目标kT时刻状态的滤波值,
xi(k/k-1)为第i个目标kT时刻状态的一步预测值,
λij(k)为权系数,
gi为观测向量,
zi为gi的实际测量值,
Pi(k/k)为状态估计误差的协方差阵,
Si(k)为新息向量的方差阵,
Ri(k)为观测误差的方差阵,
定义Δi,j(k)为第j个候选回波新息向量,且
Δi,j(k)=zi,j(k)-gi[xi(k/k-1)],
而Δi(k)为Δi,j(k)的加权和,即
多目标跟踪技术大致可分为目标状态估计和数据关联两个主要方面。一般单目标 跟踪的精度为:方位角和高低角约为1毫弧度,距离误差小于10米。而多目标跟踪时, 在目标状态估计的新息计算中,所考虑的候选回波不仅来自被跟踪的多个目标,而且 还来自不在跟踪之列的其他目标、杂波、虚警以及射频干扰等,这些与跟踪目标无关 的虚假回波会造成新息的不确定或错误,使得跟踪时误差成倍增加,一般在两倍以上, 不仅影响了跟踪精度,导致下一时间节拍的预测误差增大,误差的不断积累又会导致 目标丢失。
发明内容
为了克服现有的多目标跟踪方法精度差的不足,本发明提供一种具有图像确认的 多目标跟踪方法,该方法在多目标跟踪的测量更新中,通过序列图像确定的有关参数 确认回波,分三种情况断定是否为某个跟踪的目标,直接剔除与跟踪目标无关的回波, 从而减少回波个数,可以提高多目标跟踪的精度。
本发明解决其技术问题所采用的技术方案:一种具有图像确认的多目标跟踪方 法,其特点是包括下述步骤:
(1)根据所跟踪第i个目标的距离、高低角、方位角、速度、回波信息,高速获 取序列图像,通过序列图像处理获得目标的距离、高低角、方位角、速度、回波信息, 计算
e=kv(vi-vim)2+kα(αi-αim)2+kβ(βi-βim)2+kr(ri-rim)2
如果e>ed,则该回波不是当前所跟踪的目标;
式中,vi是当前跟踪目标的速度,αi是当前跟踪目标的高低角,βi是当前跟踪目标的 方位角,ri是当前跟踪目标斜距,vim是序列图像确定的目标速度,αim是序列图像确定 的目标高低角,βim是序列图像确定的目标方位角,rim是序列图像确定的目标斜距, kv,kα,kβ,kr为设定的参数;ed是设定阈值;
(2)所跟踪第i个目标的测量新计算为
式中,xi为9维状态向量,
gi是3、6或9维观测向量,如果雷达只能测量斜距ri、高低角αi、方位角βi时, gi=[riαiβi]T;如果雷达能够测量到速度项,则
式中,下标i代表第i个目标的状态或测量值,
xi(k/k)为第i个目标kT时刻状态的滤波值,
xi(k/k-1)为第i个目标kT时刻状态的一步预测值,
λij(k)为权系数,
gi为观测向量,
zi为gi的实际测量值,
Pi(k/k)为状态估计误差的协方差阵,
Si(k)为新息向量的方差阵,
Ri(k)为观测误差的方差阵,
定义Δi,j(k)为第j个候选回波新息向量,且
Δi,j(k)=zi,j(k)-gi[xi(k/k-1)],
而Δi(k)为Δi,j(k)的加权和,即
系数矩阵
初始条件为x(0/0);
(3)状态估计的协方差阵为
式中,Paz和Pal分别为雷达转台方位角和高低角转动误差的方差阵,为仅接收 到一个回波时状态估计的协方差阵,而定义为:
和Pi(k/k)按照以下原则计算:
当仅接收到一个回波且图像未起作用时,
Pi(k/k)=Pi0+Paz+Pal
当由图像直接确认目标且无相应雷达回波时,协方差与雷达转台无关,则
Pi(k/k)=Pimg_ctr+Pimg_az+Pimg_al
式中,Pimg_ctr为目标中心估计误差的方差阵,Pimg_az为支撑图像系统云台方位角测量误 差的方差阵,Pimg_al为支撑图像系统云台高低角测量误差的方差阵;
当由图像直接确认目标且有相应雷达回波时,则
初始条件为Pi(0/0)。
本发明的有益效果是:由序列图像确定所跟踪目标的回波,剔除了不是当前所跟 踪目标的回波和杂波;由所确定的回波更新所跟踪目标的测量新计算,减少了多目标 跟踪的测量更新误差,提高了下一时间节拍的预测精度;根据给出的状态估计协方差 阵的计算,在图像直接确定目标时,多目标跟踪的精度达到单目标雷达跟踪的精度: 方位角和高低角约为1毫弧度,距离误差小于10米;当图像去掉部分杂波时,由于杂 波数目减少,多目标跟踪的精度得到了显著提高。
下面结合实施例对本发明作详细说明。
具体实施方式
1、根据所跟踪第i个目标的距离、高低角、方位角、速度、回波信息,高速获取 序列图像,通过序列图像处理获得目标的距离、高低角、方位角、速度、回波信息, 计算
e=kv(vi-vim)2+kα(αi-αim)2+kβ(βi-βim)2+kr(ri-rim)2
如果e>ed,则该回波不是当前所跟踪的目标;
式中,vi是当前跟踪目标的速度,αi是当前跟踪目标的高低角,βi是当前跟踪目标的 方位角,ri是当前跟踪目标斜距,vim是序列图像确定的目标速度,αim是序列图像确 定的目标高低角,βim是序列图像确定的目标方位角,rim是序列图像确定的目标斜距, kv,kα,kβ,kr为设定的参数;ed是设定阈值;
2、所跟踪第i个目标的测量新计算为
式中,xi为9维状态向量,
gi可以为3、6、或9维观测向量,如果雷达只能测量斜距ri、高低角αi、方位角βi时, gi=[riαiβi]T;如果雷达能够测量到速度项,则
式中,下标i代表第i个目标的状态或测量值,xi(k/k)为第i个目标kT时刻状态的滤波 值,xi(k/k-1)为第i个目标kT时刻状态的一步预测值,λij(k)为权系数,gi为观测向量, zi为gi的实际测量值,Pi(k/k)为状态估计误差的协方差阵, Si(k)为新息向量的方差阵
式中,Ri(k)为观测误差的方差阵,
系数矩阵
初始条件为x(0/0);
3、状态估计的协方差阵为
假设雷达转台方位角和高低角转动误差的方差阵为Paz+Pal=0.002I,I为单位阵,则状 态估计的协方差阵为:
其中定义为:
Δi,j(k)为第j个候选回波信息向量
Δi,j(k)=zi,j(k)-gi[xi(k/k-1)]
而Δi(k)为Δi,j(k)的加权和,即
和Pi(k/k)按照以下原则计算:
当仅接收到一个回波且图像未起作用时,
Pi(k/k)=Pi0+Paz+Pal=Pi0+0.002I
当由图像直接确认目标且无相应雷达回波时,协方差与雷达转台无关,假设支撑图像系统云 台方位角和高低角测量误差的方差阵Pimg_az+Pimg_al=0.0015I,则
Pi(k/k)=Pimg_ctr+img_az+Pimg_al=Pimg_ctr+0.0015I
当由图像直接确认目标且有相应雷达回波时,
初始条件为Pi(0/0)。
机译: 具有通信功能和照相功能的电子设备,一种图像显示方法和一种图像显示程序,特别与确认外观上已下载的图像有关,同时确认了一眼就可以保留图像的位置
机译: 利用毫米波搜索器和IIR图像搜索器的IIR多目标跟踪方法及其记录介质存储计算机程序
机译: 基于图像的对象间相对运动的分层多目标跟踪方法及系统