申请/专利权人：江南大学

申请日：2023-05-29

公开（公告）日：2023-08-22

公开（公告）号：CN116630370A

主分类号：G06T7/246

分类号：G06T7/246;G06V10/762

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.09.08#实质审查的生效;2023.08.22#公开

摘要：本发明公开了一种基于关联矩阵的多模型PBP‑TPMB机动扩展目标跟踪方法，属于目标跟踪领域。所述方法包括：首先，在粒子置信度传播PBP数据关联方式的基础上，通过融入关联矩阵，避免遍历所有量测与目标的似然，减少数据关联的计算量，其次，通过模糊处理的方法，在机动点目标与扩展目标互相靠近的场景下，实现点目标遮挡期间的多目标跟踪，最后，通过基于轨迹集的TPMB滤波保留目标运动期间的完整航迹信息，并融入反向平滑，使算法输出的目标轨迹估计集更接近真实目标。本发明通过多模型PBP‑TPMB滤波，解决了紧邻场景下跟踪机动扩展目标的问题，达到了有效跟踪机动点目标和扩展目标的效果。

主权项：1.一种机动扩展目标跟踪方法，其特征在于，所述方法包括：在轨迹泊松多伯努利滤波TPMB的框架下，首先，采用交互多模型方法IMM进行目标预测，通过多种运动模型的预测，实现机动目标的跟踪；其次，通过基于关联矩阵的粒子置信度传播PBP实现量测数据关联，进行滤波更新；最后，估计目标状态，并进行反向平滑，输出完整的目标轨迹估计结果；所述机动扩展目标跟踪方法包括：步骤一：假设当前时间步为k，获取k-1时刻目标的后验概率密度和量测集，进行多模型预测，输出多个运动模型下预测的目标PPP分量和MBM分量；步骤二：采用基于关联矩阵的粒子置信度传播PBP方法对步骤一获取的预测目标分量和量测集进行处理，得到更新的目标后验概率密度；步骤三：针对步骤二获取的更新的目标后验概率密度，利用所述目标状态估计对其进行处理，得到估计的轨迹集；步骤四：利用反向平滑方法对步骤三获得的目标状态估计集进行处理，最终得到平滑的轨迹集。

全文数据：

权利要求：

百度查询： 江南大学 多模型PBP-TPMB机动扩展目标跟踪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD