多假设跟踪

摘要： 对象初始化方法决定了如何对待多目标跟踪问题,与后续的多目标跟踪效果直接相关。不同的对象初始化方法能够确定不同的多目标跟踪框架,每一种框架都提供一种解决问题的思路,使得多目标跟踪的对象初始化问题具有巨大的研究前景。目前关于多目标跟踪中的对象初始化方法的综述性文献较少或缺乏系统性的对象初始化概述,因此文中从多假设跟踪方法、网络流方法、深度学习方法和主题发现方法4个方面对多目标跟踪的对象初始化方法进行分析。系统地阐述了不同多目标跟踪框架下的任务转换和对象映射问题,汇总了多目标跟踪的对象初始化方法。

摘要： 在实际海洋环境中,真实情景与理论模型的失配会导致跟踪算法选择错误的航迹,出现跳点或跟踪丢失等问题。为解决这一问题,文章提出了一种基于支持向量机的航迹筛选方法。该方法使用支持向量机对目标的航迹特征数据进行分类,将目标的真实航迹和虚假航迹区分出来,剔除虚假航迹,以控制航迹数目,同时提高跟踪算法的鲁棒性和适应力。实际数据处理结果表明了该方法有效地提升复杂海洋环境下对目标的持续跟踪能力。

摘要： 为解决联合概率数据互联只能跟踪已知数目目标和互联模糊,以及传统多假设跟踪算法生成假设数目随时间积累呈指数增长问题.提出一种面向量测m-最优假设N扫描MHT方法.首先,在每一假设下生成m-最优假设,在每帧产生既定数目最优及次优假设;然后,通过N宽度滑窗产生最优可行假设,完成数据互联,并分别使用两点差分线性法和全局最小二乘估计完成单个新目标和多个新目标航迹起始.仿真结果表明,该方法与MHT-DAM算法相比较,获得了跟踪性能和运算时间上的平衡.

摘要： 提出了一种基于交互式多模型(IMM)的基于最大权重独立集的多假设(MWIS-MHT)方法;将IMM算法引入到MWIS-MHT框架中,采用多种运动模型对机动目标进行跟踪,通过半-马尔科夫过程生成的多机动目标场景对所提方法进行了验证,实验结果表明:所提方法能有效提升目标跟踪的连续性和状态估计的精度,兼顾了MWIS-MHT在计算效率上的优势。相比于MWIS-MHT方法,所提方法更适用于多机动目标的跟踪场景。

摘要： 提出了一种基于交互式多模型(IMM)的基于最大权重独立集的多假设(MWIS-MHT)方法;将IMM算法引入到MWIS-MHT框架中,采用多种运动模型对机动目标进行跟踪,通过半-马尔科夫过程生成的多机动目标场景对所提方法进行了验证,实验结果表明:所提方法能有效提升目标跟踪的连续性和状态估计的精度,兼顾了MWIS-MHT在计算效率上的优势.相比于MWIS-MHT方法,所提方法更适用于多机动目标的跟踪场景.

摘要： 传统多假设跟踪(Multiple Hypothesis Tracker,MHT)算法假定杂波强度先验已知,在未知杂波的观测场景中,杂波强度误差将导致数据关联的准确性急剧下降.针对这一问题,本文提出一种基于核密度估计(Kernel Density Estimation,KDE)的在线杂波估计MHT算法.首先利用核密度函数拟合未知的杂波密度函数,并自适应地估计出该时刻波门内的杂波强度;然后利用杂波强度估计值计算假设航迹的得分函数,提高了数据关联的准确性和目标跟踪的稳定性.仿真结果表明,在未知杂波观测场景中,MHT-KDE算法有效改善了航迹的连续性,减少了虚假航迹数.

摘要： 传统的多假设跟踪(Multiple Hypothesis Tracking,MHT)算法通常假设一个目标独立地产生一个量测.但在实际观测场景中,当多个目标之间足够接近时,分辨率有限的传感器只能识别出一个未分辨的量测.这种现象使得数据关联问题更加复杂,跟踪算法性能明显下降.针对这一问题,本文提出了一种可适应未分辨量测的改进随机化贪心-自适应搜索结构MHT(Greedy Randomized Adaptive Search Procedure MHT,GRASP-MHT)算法,推导了关联未分辨量测的航迹假设得分,将未分辨量测的数据关联问题建模成最大权重独立集问题(Maximum Weight Independent Set Problem,MWISP),以适应可能存在未分辨量测的场景.仿真结果表明,改进GRASP-MHT能够处理未分辨量测的数据关联问题,并且保留了GRASP-MHT的大部分优点.

摘要： 为适应目标机动性强、探测概率低、信号噪声比低的现代战争复杂作战环境,提出一种基于三维霍夫变换与多假设跟踪、充分利用信息融合前从雷达获得的点迹信息的多雷达点轨融合前运动目标跟踪方法,有效地降低计算复杂性,准确检测和跟踪各种复杂环境中的目标.

摘要： 在雷达环境杂波强、目标运动特性复杂、需要同时跟踪多批目标的情况下,目标跟踪过程中容易因关联错误造成跟踪错误.本文提出的多假设航迹跟踪方法在目标的机动特性不明时,建立航迹的多个假设航迹,对假设航迹进行隐形跟踪.该方法中航迹具有父、子、孙三类分支属性之一,其中父航迹为原始航迹,子航迹是在父航迹基础上建立的假设航迹,孙航迹是在子航迹基础上建立的假设航迹.通过父、子、孙三类分支航迹之间的继承和替代,可以同时跟踪丢点、密集杂波区、机动状态不明的多批目标,降低航迹关联错误的概率,实现对目标的稳定跟踪.

摘要： 针对复杂环境下移动机器人同时定位与地图创建(SLAM)中的数据关联问题,提出了一种多假设联合相容分枝定界算法(MHJCBB).该算法结合了多假设跟踪(MHT)算法与联合相容分支定界(JCBB)算法的优点,利用在关联时保留的多个联合相容关联假设形成多个机器人航迹假设分支.定义了航迹假设分支的评价函数,根据评价函数计算结果进行剪枝,将机器人航迹限制在一定范围内,以减小计算量,并输出得分最高的航迹假设分支.不同测量误差条件下的数据关联试验结果表明,与经典的最邻近(NN)算法、JCBB算法相比,MHJCBB算法能够获得更准确的关联结果.

摘要： 目标跟踪技术在军用和民用领域都有着十分重要的应用价值，在边扫描边跟踪体制的雷达系统中，数据关联一直是雷达数据处理的核心和难点。多假设跟踪（MHT，Multiple Hypothesis Tracking）算法是一种典型的多目标多次扫描的数据关联算法，也是目前为止最适合于低检测概率、密集杂波和高虚警率情况下的多目标跟踪算法。本文将以面向航迹的MHT算法框架为基础，对MHT的实现过程进行详细的描述。

摘要： 针对道路目标跟踪中存在的目标源归属不确定性问题,提出了一种目标-回波-道路网三元数据关联的道路目标多假设跟踪(TER-MHT)算法.若采用标准MHT算法,则杂波环境下假设分叉问题严重,本文首先利用道路信息对目标状态进行投影修正,改善跟踪精度;其次,对道路网中的目标展开多种道路假设,与普通多假设每拍保留多个分支的情况不同,同源目标竞争的关系使得道路假设最终只保留一个假设分支;最后,由于状态投影使得目标状态相似度提高,可通过合并相似假设来降低算法计算量.仿真结果表明,在不增加算法计算量的前提下,通过引入道路信息明显改善了道路目标的跟踪精度.

摘要： 简要介绍了多目标视频跟踪的原理，探讨了结构化分支的多假设跟踪(SB/MHT)算法在多目标视频跟踪系统中的应用，并将此数据关联算法与卡尔曼滤波器相结合，通过Bhattacharyya系数相似度判断初步确定相对合理的观测，通过SB/MHT关联算法建立假设，进而进行多目标视频跟踪。仿真结果验证了此方法的可行性。

摘要： 探讨了改进的MHT(多假设跟踪)算法在成像跟踪系统中的应用.根据成像跟踪系统中目标及背景的特点,通过对图像数据的预处理,利用改进的MHT算法实施目标的识别和跟踪,并在工程实践中用软件实现了算法,处理速度达到25c/s,取得了良好的应用效果.

摘要： 提出了一种多传感器航迹与航迹级多假设关联算法,采用多个传感器航迹与一条系统航迹关联结构,系统航迹起始是通过选择最先到达时间的传感器航迹.针对只有方位信息的传感器进行关联关系时,建立了非唯一性分配假设模型,使用基于时间累积法计算航迹之间关联度量值,将其作为多假设判断依据,高了关联正确率.通过建立的仿真系统,验证了算法有效性和实用性.

摘要： 提出了一种多传感器航迹与航迹级多假设关联算法,采用多个传感器航迹与一条系统航迹关联结构,系统航迹起始是通过选择最先到达时间的传感器航迹.针对只有方位信息的传感器进行关联关系时,建立了非唯一性分配假设模型,使用基于时间累积法计算航迹之间关联度量值,将其作为多假设判断依据,高了关联正确率.通过建立的仿真系统,验证了算法有效性和实用性.

摘要： 提出了一种多传感器航迹与航迹级多假设关联算法,采用多个传感器航迹与一条系统航迹关联结构,系统航迹起始是通过选择最先到达时间的传感器航迹.针对只有方位信息的传感器进行关联关系时,建立了非唯一性分配假设模型,使用基于时间累积法计算航迹之间关联度量值,将其作为多假设判断依据,高了关联正确率.通过建立的仿真系统,验证了算法有效性和实用性.

摘要： 提出了一种多传感器航迹与航迹级多假设关联算法,采用多个传感器航迹与一条系统航迹关联结构,系统航迹起始是通过选择最先到达时间的传感器航迹.针对只有方位信息的传感器进行关联关系时,建立了非唯一性分配假设模型,使用基于时间累积法计算航迹之间关联度量值,将其作为多假设判断依据,高了关联正确率.通过建立的仿真系统,验证了算法有效性和实用性.

摘要： 本发明公开了一种基于高斯混合概率假设密度滤波器的显式多目标跟踪方法，其核心技术在于利用查询矩阵，基于更新高斯分量的标签和权值屏蔽目标高先验密度区域杂波的干扰，实现各目标的后验信息、量测及其状态估计的同标签化，从而得到无需额外关联程序的显式多目标跟踪。并且，保持与基本的GM‑PHD滤波器相似的实时性。工程上易于实现，且很好地改善多目标跟踪的精度。

摘要： 本发明公开一种并行计算粒子概率假设密度滤波多目标跟踪方法。针对传统粒子概率假设密度滤波无法实现完全并行计算、实时性差的问题，采用多核处理器实现从重要性采样到状态估计阶段所有过程的并行计算，从而提高多目标跟踪的实时性。每个并行处理单元得到初始化粒子后独立进行重要性采样、权值计算归一化、重采样和局部估计，但保留和记录了重采样后的粒子在重采样前的局部权值，中央处理单元根据这些保留的局部权值计算各个并行单元参与状态估计的粒子权重比，根据此权重比加权融合局部估计值得到最终的多目标状态全局估计。本发明通过并行计算提高多目标跟踪的实时性，具有良好的应用前景。

摘要： 本发明公开了使用互质阵列的概率假设密度DOA跟踪的方法，属于波达方向跟踪领域。该方法包括如下步骤：首先，使用增广互质阵列天线接受信号，得到量测信息。其次，利用随机有限集（random finite set,RFS）框架来描述信号运动状态和数目的随机性以及信号的接收过程，从而建立观测方程。最后，采用PHD滤波器对信号采样粒子进行预测和更新。在PHD算法的更新步骤中，我们先将互质阵列接收信号协方差矩阵向量化，然后对其去除重复项，再截取虚拟阵列中的连续均匀线阵对应的元素，构造Toeplitz矩阵。最后采用MUSIC算法的空间谱函数作为采样粒子的似然函数。本发明方法具有更高的跟踪精度和信号数目的辨识力。

摘要： 本发明涉及一种基于多假设singer模型的雷达机动交汇目标跟踪方法，包括以下步骤：S1、目标航迹建立；S2、未处于航迹交叉区的目标采用singer模型进行目标跟踪；对处于航迹交叉区的目标，采用多假设singer模型对交汇目标进行跟踪；S3、通过步骤S2中多假设singer模型的跟踪，实现对目标的准确稳定跟踪。本发明的优点是：1.可减小雷达机动交汇目标跟踪中的跟踪误差，实现更精确的目标跟踪；2.可减小雷达机动交汇目标跟踪中错误跟踪的概率，实现对交汇目标的正确跟踪；3.本发明使用范围广，对雷达系统参数无特殊要求，具有推广可行性。

摘要： 本申请涉及一种基于假设检验的雷达目标跟踪优化方法，所述方法包括：获取当前目标的连续多帧的检测点数据；根据所述检测点数据，估计所述当前目标的运动方向；计算多帧所述检测点数据在运动法向方向的均值数据和方差数据，并根据均值数据和方差数据，统计所述当前目标在预设置信度的筛选范围值；判断每帧所述检测点数据是否在所述筛选范围值内，若是则所述检测点数据判定为真实检测点，否则判定为虚假检测点。使得目标运动轨迹平滑、速度稳定，改善了车载雷达对近距离目标跟踪位置和速度不稳定导致盲区报警不连续、误报、漏报等问题。

摘要： 本发明公开了一种基于多假设跟踪数据关联的红外弱小目标搜索跟踪方法，步骤如下：对图像进行盲元补偿，去除盲元；将去盲元的图像做高通滤波，然后进行恒虚警率检测；经过恒虚警率检测后，得到一系列的点迹，将这些点迹再做帧间滤波，从而得到一批虚警率更低的目标点迹；将得到的点迹放入数据关联器，由概率多假设关联器起始航迹，对所有会成为航迹的可能形成假设，通过计算假设中起始航迹的得分，剔除得分小于起始阈值的航迹；由联合概率数据关联器JPDA负责继承得到的航迹，对每个进入关联器的点迹计算关联上已有航迹的得分，从而得到稳定的航迹；利用kalman滤波器对所有得到航迹滤波更新。本发明融合了两种数据关联算法的优点，将两种关联方法配合使用。

摘要： 本发明属于全局初定位技术领域，涉及一种基于多假设跟踪的全局初定位方法和装置，该方法首先采集场景的点云数据和其对应的全局位姿数据，构建数据库，将采集的数据经过预处理存入数据库，同时生成点云地图，然后对当前帧点云数据与数据库中的数据进行匹配，得到匹配的候选结果，接着利用连续帧之间的约束关系对候选结果进行过滤，直到候选结果收敛后，利用当前帧数据和其对应的数据库中的数据进行平移和旋转的计算，从而得到全局初定位的初始值后与点云地图匹配得到精确的初定位结果。本发明的方法结合全局描述以及多帧数据进行场景初定位，采用多假设跟踪的方法对结果进行筛选，保证了定位的效率，同时提高了定位的鲁棒性。

摘要： 基于结构单元编码和多假设跟踪的线激光全局定位方法。针对利用线激光为移动机器人提供全局定位的任务，本发明提出一个新颖的基于SUES(结构单元编码机制，structural unit encoding scheme)和扩展MHT(多假设跟踪,multiple hypothesis tracking)的全局定位方法。首先通过SUES对有向端点特征进行编码；再利用扩展MHT逐步恢复全局位姿。相比现有方法，本发明所提的SUES无需离线训练，不依赖于词典质量；同时，所提的扩展MHT方法具有收敛更快和不依赖特征数量的优点。实验结果表明，相比于自适应蒙特卡洛定位，本发明具有更高的成功率和效率。

摘要： 本发明公开了一种基于多假设跟踪数据关联的红外弱小目标搜索跟踪方法，步骤如下：对图像进行盲元补偿，去除盲元；将去盲元的图像做高通滤波，然后进行恒虚警率检测；经过恒虚警率检测后，得到一系列的点迹，将这些点迹再做帧间滤波，从而得到一批虚警率更低的目标点迹；将得到的点迹放入数据关联器，由概率多假设关联器起始航迹，对所有会成为航迹的可能形成假设，通过计算假设中起始航迹的得分，剔除得分小于起始阈值的航迹；由联合概率数据关联器JPDA负责继承得到的航迹，对每个进入关联器的点迹计算关联上已有航迹的得分，从而得到稳定的航迹；利用kalman滤波器对所有得到航迹滤波更新。本发明融合了两种数据关联算法的优点，将两种关联方法配合使用。

摘要： 本发明属于全局初定位技术领域，涉及一种基于多假设跟踪的全局初定位方法和装置，该方法首先采集场景的点云数据和其对应的全局位姿数据，构建数据库，将采集的数据经过预处理存入数据库，同时生成点云地图，然后对当前帧点云数据与数据库中的数据进行匹配，得到匹配的候选结果，接着利用连续帧之间的约束关系对候选结果进行过滤，直到候选结果收敛后，利用当前帧数据和其对应的数据库中的数据进行平移和旋转的计算，从而得到全局初定位的初始值后与点云地图匹配得到精确的初定位结果。本发明的方法结合全局描述以及多帧数据进行场景初定位，采用多假设跟踪的方法对结果进行筛选，保证了定位的效率，同时提高了定位的鲁棒性。