基于多特征匹配的多目标跟踪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109521420A(43)申请公布日2019.03.26(21)申请号201811577747.8(22)申请日2018.12.20(71)申请人西安电子科技大学地址710071陕西省西安市雁塔区太白南路2号(72)发明人水鹏朗廖沫(74)专利代理机构陕西电子工业专利中心61205代理人田文英王品华(51)Int.Cl.G01S13/72(2006.01)权利要求书3页说明书7页附图3页(54)发明名称基于多特征匹配的多目标跟踪方法(57)摘要一种基于多特征匹配的多目标跟踪算法，其步骤是：首先，针对量测点与目标关联时，匹配特征数量过少的问题，建立了所有目标的特征矩阵，特征矩阵包含了所有目标的检验统计量特征和多普勒频率特征；其次，在寻找最佳关联点时，将所有关联点的特征与目标的特征矩阵进行比对，找出与目标匹配度最高的关联点；最后，确定目标在当前跟踪时刻的运动状态估计值、检验统计量和多普勒频率特征，用于对目标在当前跟踪时刻之后运动状态的估计。本发明通过建立特征矩阵，并寻找与目标特征矩阵最匹配的关联点，解决了当多目标轨迹交叉重叠时目标轨迹跟踪不准确的问题。CN109521420ACN109521420A权利要求书1/3页1.一种基于多特征匹配的多目标跟踪方法，其特征在于，建立当前跟踪目标的特征矩阵，确定“无关联点”状态下的运动状态估计值和特征，确定“有关联点”状态下与当前跟踪目标特征最匹配的关联点，确定“有关联点”状态下的运动状态估计值和特征；该方法的具体步骤包括如下：(1)从当前跟踪时刻存在的多个目标中，选择一个未跟踪的目标，作为当前跟踪目标；(2)预测运动状态：将当前跟踪目标在当前跟踪时刻上一时刻的运动状态的估计值，代入状态方程，得到当前跟踪目标在当前跟踪时刻运动状态的预测值；(3)建立当前跟踪目标的特征矩阵：(3a)寻找与当前跟踪时刻最近的5个时刻；(3b)从当前跟踪目标的历史数据中，提取当前跟踪目标在这5个时刻的检验统计量和多普勒频率；(3c)将5个时刻当前跟踪目标的检验统计量，作为2×5的特征矩阵的第1行元素；(3d)将5个时刻当前跟踪目标的多普勒频率，作为2×5的特征矩阵的第2行元素；(4)从雷达接收机在当前跟踪时刻接收到的所有量测点中，找出符合关联条件的所有量测点；(5)判断符合关联条件的量测点的数量是否等于0，若是，则将当前跟踪目标在当前跟踪时刻的关联状态设定为“无关联点”后，执行步骤(6)，否则，将当前跟踪目标在当前跟踪时刻的关联状态设定为“有关联点”后，执行步骤(7)；(6)确定“无关联点”状态下的运动状态估计值和特征：(6a)将当前跟踪目标在当前跟踪时刻运动状态的预测值，作为当前跟踪目标在当前跟踪时刻的运动状态估计值；(6b)利用特征提取方法，从特征矩阵中得到当前跟踪目标在当前跟踪时刻的检验统计量、多普勒频率；(6c)将得到的当前跟踪目标在当前跟踪时刻的运动状态估计值、检验统计量和多普勒频率加入历史数据后，执行步骤(9)；(7)确定“有关联点”状态下与当前跟踪目标特征最匹配的关联点：(7a)从所有关联点中，任选一个未被选过的关联点；(7b)利用匹配值计算方法，计算所选关联点特征与目标特征矩阵的匹配值；(7c)判定是否选完所有关联点：若是，则执行步骤(7d)；否则，执行步骤(7a)；(7d)找出所有匹配值中的最小值，将该最小值所对应的关联点，作为与当前跟踪目标最匹配的量测点后执行步骤(8)；(8)确定“有关联点”状态下的运动状态估计值和特征：(8a)利用卡尔曼滤波公式，计算当前跟踪目标在当前跟踪时刻运动状态的估计值；(8b)将最匹配量测点数据中包含的检验统计量、多普勒频率信息，分别作为当前跟踪目标在当前跟踪时刻的检验统计量、多普勒频率；(8c)将得到的当前跟踪目标在当前跟踪时刻的运动状态估计值、检验统计量和多普勒频率加入历史数据后，执行步骤(9)；(9)判断是否已选完当前跟踪时刻存在的所有目标；若是，执行步骤(10)；否则，执行步2CN109521420A权利要求书2/3页骤(1)；(10)完成对当前跟踪时刻存在的所有目标在当前跟踪时刻的跟踪。2.根据权利要求1所述的基于多特征匹配的多目标跟踪方法，其特征在于：步骤(2)中所述的运动状态，包括目标所处位置的直角坐标、目标在x轴方向的速度、目标在y轴方向的速度。3.根据权利要求1所述的基于多特征匹配的多目标跟踪方法，其特征在于：步骤(2)中所述的状态方程如下：其中，表示根据当前跟踪目标在第k-1时刻运动状态的估计值得到的当前跟踪目标在第k时刻运动状态的预测值，k的取值范围为大于等于1、小于等于雷达接收机工作时间的整数，Ak表示状态方程在k时刻的状态转移矩阵，表示当前跟踪目标在第k-1时刻的