一种基于量测驱动新生目标强度估计的phd多目标跟踪方法
【专利摘要】本发明公布了一种基于量测驱动新生目标强度估计PHD滤波的多目标跟踪方法，主要解决了新生目标强度未知时的多目标运动状态与目标数目估计问题。所述方法包括：采用增广状态空间方法，将目标状态与杂波状态进行分别估计，避免了未知杂波对目标强度估计的干扰；构造新生目标量测集，采用量测驱动方式对新生目标强度进行估计，避免了对新生目标强度先验知识的依赖；采用高斯混合概率假设密度滤波对以上方法进行实现。该方法具有对目标数目变化敏感的优势，同时可降低计算复杂度，明显提高跟踪精度。
【专利说明】
一种基于量测驱动新生目标强度估计的PHD多目标跟踪方法
技术领域
[0001 ]本发明属于目标跟踪领域，特别是一种基于量测驱动新生目标强度估计的PHD多 目标跟踪方法。
【背景技术】
[0002] 多目标跟踪是利用传感器量测信息对多个目标的位置及速度等运动状态进行估 计的方法，这种估计过程是典型的滤波问题。由于在多目标跟踪过程中存在杂波干扰、目标 消亡、目标出现等复杂问题，如何通过传感器量测信息来判断目标的实际数目以及各个目 标相应的运动状态是多目标跟踪问题的难点。
[0003] 现有的多目标跟踪算法主要包括基于数据关联的多目标跟踪算法与概率假设密 度(Probability Hypothesis Density，PHD)滤波算法两类。其中，PHD滤波算法由于避免了 多目标跟踪对数据关联的依赖，从而降低了计算复杂程度。该算法能同时估计目标的个数 与状态，是当今学术界的研究热点。在讨论PHD滤波器的实现问题时，最具代表性的两种求 解方法是序列蒙特卡洛概率假设密度（Sequential Monte Carlo Probability Hypothesis Density，SMC_PHD)和高斯混合概率假设密度（Gaussian Mixture Probability Hypothesis Density，GM_PHD)〇
[0004] 在传统PHD滤波算法中，预测部分包含的新生目标强度一般假设为先验已知。然 而，在很多实际应用场景中，由于新生目标动态变化，且分布复杂，因此这种假设会带来较 大的估计误差，会出现对目标的"虚警"与"漏警"现象。对未知的新生目标强度进行在线估 计能够实现接近实际应用场景的要求。
[0005] 针对新生目标强度未知的情况，闫小喜等人于2011年采用有限混合模型对新生目 标强度进行建模估计，应用Dirichlet分布作为先验分布。这种方法虽然能够实时在线估计 新生目标强度，但由于需要进行先验知识假设，因此与实际情况仍然具有一定差距;Han S T等人于2014年采用信息反馈的思想，在对新生目标强度估计的同时考虑了历史观测信息 的影响，得到的新生目标强度信息更为精确。但具有无法区分杂波与目标状态的局限，在估 计时会带来较大的杂波干扰。同时由于采用前一时刻量测信息对当前时刻的新生目标强度 进行估计，因而在目标数目改变时存在估计滞后的问题;Ristic B等人于2012年采用量测 信息驱动的新生目标强度估计方法，通过设置新生标志的方式分别对新生目标与已有目标 的状态强度进行预测与更新，从而避免了对先验知识的依赖。但其只是单纯对新生目标与 已有目标进行区分，并未给出针对新生目标强度的递推公式形式。
【发明内容】
[0006] 本发明所解决的技术问题在于提供一种基于量测驱动新生目标强度估计的PHD多 目标跟踪方法（Measure-driven Target Birth Intensity PHD，MDTBI_PHD) 〇
[0007] 实现本发明目的的技术解决方案为:首先，通过量测驱动对新生目标强度进行实 时估计，同时使用增广状态空间的方法分别处理目标状态强度与杂波状态强度，从而避免 了新生目标强度估计时对先验知识的依赖以及未知杂波造成的干扰，因此较好地减小了由 于新生目标强度先验知识设置不当所带来的误差。其次，在GM-PHD滤波器的基础上，提出 MDTBI-PHD滤波器算法实现，相对于SMC-PHD滤波器实现，具有无需聚类操作、无需使用大量 粒子的优点，因而降低了计算的复杂程度。
[0008] 本发明实现上述目的的技术方法包括以下步骤：
[0009] 步骤1、初始化获得k-Ι时刻的真实目标强度及杂波强度，将其表示为带权值的高
刻的目标强度Dk-i |k-"X)可以表示为带权值的高斯分量 ,杂波强度Am⑷可以表示爻
[0010] 步骤2、新生目标强度估计。根据由于幸存目标相邻时刻产生的量测数据相差不 大，而新生目标在k时刻出现的位置一般与k-Ι时刻幸存目标的位置要具有一定的距离，即k 时刻的新生目标量测值与k-Ι时刻幸存目标的量测值一般要差别较大，于是可得k时刻新生 量测集Z k(nCTb°m)，然后由量测集分别给出对目标及杂波新生强度的估计。
[0011] 步骤3、根据PHD预测公式预测真实目标强度及杂波强度。
[0012] 步骤4、根据PHD更新公式更新真实目标强度及杂波强度。
[0013] 步骤5、根据修剪门限与合并门限修剪与合并高斯分量中权值较小的项。
[0014] 本发明与现有技术相比具有以下优点：
[0015] 1.针对利用PHD对目标强度估计时杂波模型未知的情况，采用增广状态空间方法， 将真时目标状态与杂波状态进行分别处理，进而避免了杂波对目标强度估计的干扰。
[0016] 2.提出一种基于量测驱动新生目标强度估计的滤波算法，该方法在增广状态空间 的框架下应用量测驱动方法对目标及杂波的新生目标强度进行估计，具有对目标数目变化 敏感的优势。
[0017] 3.在高斯混合概率假设密度滤波的基础上提出MDTBI-PHD滤波器方法，在保证滤 波算法的跟踪精度的同时，降低了计算复杂程度。
[0018] 下面结合附图对本发明作进一步详细描述。
【附图说明】
[0019] 图1为本发明方法的流程图。
[0020] 图2为目标实际运动轨迹图。
[0021] 图3为目标估计轨迹图。
[0022] 图4为目标估计数目图。
[0023] 图5为OSPA距离比较图。
【具体实施方式】
[0024]依据附图，对本发明的技术方案作具体说明。
[0025]本发明将k时刻的目标状态与目标量测信息分别表示为随机状态集Xk与随机量测 集Zk:
[0026] Xk={xk,i，xk,2，...，xk,i，...，xk,M(k)} = Sk|k-i(Xk-i) UBk|k-i(Xk-i) U fk (I)
[0027]
(2)
[0028] 其中，Xk>1表示k时刻第i个目标的状态，M(k)表示k时刻观测区域内的跟踪目标数 目；z k,谦示k时刻第j个目标量测值，N(k)表示k时刻观测到的目标量测数目。Skik-KXw)表 示k-Ι时刻到k时刻仍然幸存的目标状态集合，表示k-Ι时刻的目标在k时刻衍生 出的新目标状态集合，r k表示k时刻出现的新目标状态集合;Kk表示目标受到杂波和虚警干 扰时的量测噪声集合，? Θ* 表示由目标状态集合Xk产生的量测集合。
[0029] 所述基于量测驱动新生目标强度估计的PHD多目标跟踪方法，包括以下步骤：
[0030] 步骤1、初始化获得k-Ι时刻的真实目标强度及杂波强度。
[0031] k-Ι时刻的目标强度Dn I H ( X )可以表示为带权值的高斯分量
[0034] 其中，，,与《以，分别表示目标与杂波的第1个分量在k-Ι时刻的权值，与 分别表示目标与杂波的第1个分量在k-Ι时刻的高斯均值，P/i与/^t分别表示目标与 杂波的第1个分量在k-Ι时刻的高斯协方差，分别表示目标与杂波高斯分量数。
[0035] 步骤2、估计真实目标与杂波新生强度。
[0036] 由于幸存目标相邻时刻产生的量测数据相差不大，而新生目标在k时刻出现的位 置一般与k-Ι时刻幸存目标的位置要具有一定的距离，即k时刻的新生目标量测值与k-Ι时 刻幸存目标的量测值一般要差别较大，于是可记k时刻新生量测集为：
[0037] (5)
[0038] j,k-1)表示Zi,k与Zj,k-1的欧氏距离， ε为阈值，下面由量测集Z k(newb-分别给出对yk(x)和以的的估计。
[0039]因为目标可能出现在监控区域S的仵意位詈，所以，在获得新生目标量测数据Zk(newbcil:n)之前，预测新生目标均匀分布在s上，丨
I合理的，这里I s I是监测区
域诽 1
[0040
[0042]
[0041 ]此时，Z)irA°m)(x)就是在新生目标量测数据驱动下，对目标新生强度γ k(x)的似然 估计，即
[0043]
[0044]
[0045] 步骤3、预测真实目标强度与杂波强度。[0046] 目标预测强度为：
[0047]
[0048]
[0049]
[0050]
[0051]
[0052]其中，F表示状态转移矩阵，F1表示矩阵F的转置。
[0053] 杂浊顸涮础麽为.
[0054]
[0055]
[0056]
[0057]
[0058]
[0059] 步骤4、史新具买目称强度与罙汲强度。
[0060]目标更新强度：
[0061]
[0062]
[0063]
[0064]
[0065]
[0066]
[0067]
[0068]
[0069]
[0070]
[0071]
[0072]
[0073]
[0074] 其中，I表示单位矩阵;H表示观测模型矩阵⑷表示卡尔曼增益;，,与分 另IJ表示目标与杂波的高斯协方差矩阵;，,与端七分别表示目标与杂波预测量测值;R表 示过程噪声协方差矩阵。
[0075]杂波更新强度：
[0076]
[0077]
[0078]
[0079]
[0080]
[0081]
[0082]
[0083]
[0084] 步骤5、修剪与合并高斯分量较小项。
[0085] 为了减少高斯分量的数目，进而降低算法的复杂程度，可以通过设置修剪门限去 除更新后的高斯分量中权值较小的项，通过设置合并门限合并距离较接近的项。
[0086]下面对本发明的方法进行仿真验证，
[0087]仿真采用高斯混合概率假设密度滤波器(GM-PHD)与本发明提出的方法进行比较， 在未知新生目标强度环境下说明本发明方法的跟踪性能。
[0088]目标的运动模型为：
[0089] Xk = FXk-i+G〇k (34)
[0090] 其中，Xk-i= {xx，vx，Xy，vy}，表示目标的x，y方向的位置与速度分量，F为状态转移 矩阵，G为噪声输入矩阵，两者分别为：
[0091] (35)
[0092] (36)
[0093] 共中，T表不米秤周期；]Q：桎噪卢ω 1^为高斯白噪声。
[0094] 系统的观测方程为：
[0095] (37)
[0096]六τ阵;Vk为过程噪声矩阵，符合高斯分布。
[0097]
(38)
[0098] 采用最优子模式指派（Optimal Subpattern Assignment，0SPA)距离作为跟踪精 度的评价指标，其表达形式为：
[0099]
[0100] 其中，表示OSPA距离;n，m分别为X与文的维数;C表示截断门限;P表示矩 阵的阶数。
[0101 ] OSPA的距离参数p = 2，c = 5，传感器探测概率pd = 0.98，目标存活概率ps = 0.99，高 斯修剪门限为HT5，高斯合并门限为4，GM-PHD和本发明方法中粒子数设置为500，共进行50 次Monte Carlo实验。选择4个运动目标进行仿真，其中第一个目标在Is时出现，80s时消失； 第二个目标在20s时出现，70s时消失；第三个目标在61s时出现，70s时消失;第四个目标在 46s时出现，90s时消失。实验结果如图2-图5所示。
[0102] 图2与图3分别展示了目标的实际轨迹及估计轨迹。图2中4条曲线分别表示4个运 动目标的实际轨迹，图3中粒子点迹表示目标的估计位置。根据仿真结果可知，本发明方法 计算出的跟踪轨迹能够较好地与多个目标的实际轨迹吻合。
[0103] 图4表示目标真实数目及目标估计数目。从图中可以看出，在杂波强度均为未知的 情况下，本发明提出的方法相对于GM-PHD来说对目标数目的估计准确度较高，同时具有对 目标数目变化敏感的优势。
[0104] 图5表示目标在GM-PHD与本发明方法下的OSPA距离，从图中可以看出本发明方法 较GM-PHD的OSPA距离较小，说明该方法在多目标数目估计及跟踪精度上的准确性高于GM-P HD，证明了本发明方法的有效性。
[0105] 综上所述，本发明的基于量测驱动新生目标强度估计的PHD多目标跟踪方法能够 有效地对新生目标强度未知时的多个目标进行跟踪，具有对目标数目变化敏感的优势，且 降低了计算复杂度，具有较为优越的跟踪精度。本发明的基于量测驱动新生目标强度估计 的PHD多目标跟踪方法在处理新生目标强度未知时的多目标跟踪方面具有积极的意义。
【主权项】
1. 一种基于量测驱动新生目标强度估计的PHD多目标跟踪方法，其特征在于，包括W下 步骤： 第一步，初始化获得k-1时刻的真实目标强度及杂波强度，将其表示为带权值的高斯分 量形式。 第二步，新生目标强度估计。根据由于幸存目标相邻时刻产生的量测数据相差不大，而 新生目标在k时刻出现的位置一般与k-1时刻幸存目标的位置要具有一定的距离，即k时刻 的新生目标量测值与k-1时刻幸存目标的量测值一般要差别较大，于是可得k时刻新生量测 集Zkfnewbwn}，然后由量测集分别给出对目标及杂波新生强度的估计。 第Ξ步，根据P皿预测公式预测真实目标强度及杂波强度。 第四步，根据P皿更新公式更新真实目标强度及杂波强度。 第五步，根据修剪口限与合并口限修剪与合并高斯分量中权值较小的项。2. 根据权利要求1所述的基于量测驱动新生目标强度估计的PHD多目标跟踪方法，其特 征在于所述的新生量测集，具体是，k时刻新生量测集为： Zk(newborn)二{zi.klzi.kEZk，I |zi,k-Zk-l| |>e} (1) 其中，Z 1 , k表示k时刻第i个目标量测值，Z k表示随机量测集，?d( Zi, k , Z j, k-1)表不Zi, k与Z j, k-1的欧氏距罔，ε为阔值。3. 根据权利要求1所述的基于量测驱动新生目标强度估计的PHD多目标跟踪方法，其特 征在于所述的新生目标强度计算式，具体是，k时刻新生目标强度丫 k(X)为：其中，间是监测区域S的测度，PD,k(X)表示目标探ii概率，城t(的表示杂波探ii概率，阱 (z| ·)表示联合似然函数。4. 根据权利要求1所述的基于量测驱动新生目标强度估计的PHD多目标跟踪方法，其特 征在于所述的杂波新生强度计算式，具体是，k时刻新生目标强度η(树为：
【文档编号】G06K9/00GK105844217SQ201610146365
【公开日】2016年8月10日
【申请日】2016年3月11日
【发明人】丁勇, 张祺琛, 柏茂羽, 胡忠旺
【申请人】南京航空航天大学