一种基于群体智能模型的飞鸟群目标跟踪方法与流程

本发明涉及一种基于群体智能模型的飞鸟群目标跟踪方法，属于低空空域安全监视技术领域，涉及雷达目标检测与跟踪。

背景技术：

探鸟雷达是河口湿地等鸟类自然保护区鸟情观测与研究的重要技术手段，能够对保护区内的鸟类种群规模和活动规律做出精确统计，协助有关部门开展保护区鸟类日常监测与科研工作，实现全天候鸟情监测。

鸟情数据处理是探鸟雷达的核心，鸟群目标跟踪是鸟情数据处理的重要内容。传统的飞鸟群目标跟踪方法只关注鸟群的整体运动，仅对鸟群目标的中心进行跟踪，难于准确统计鸟群中飞鸟目标的数量。

实际上，鸟群在没有集中控制的情况下仍然能够很好地协同飞行，通过个体之间的交互过程保持“线性团队”或“聚集式团队”。鸟群中每个个体的飞行遵循以下基本原则：个体速度尽量与其相邻个体保持一致、全部个体向群中心聚集、每个个体之间避免相互碰撞，体现出一定的“群体智能”。

技术实现要素：

本发明的目的是为了解决上述问题，提出一种基于群体智能模型的飞鸟群目标跟踪方法，该方法适用于基于探鸟雷达的飞鸟群目标跟踪，实现对鸟群目标数量的准确统计。

一种基于群体智能的飞鸟群目标跟踪方法，包括如下步骤：

步骤1，个体目标状态预估；

步骤2，群目标状态估计；

步骤3，个体目标状态修正。

本发明的优点在于：

基于群体智能的飞鸟群目标跟踪方法能够利用鸟群协同飞行中所体现的“群体智能”，跟踪鸟群中每个目标的运动状态，准确统计鸟群所包含的目标数量，给出每个目标的运动轨迹。

附图说明

图1是本发明的基于群体智能模型的飞鸟群目标跟踪方法的示意图；

图2是本发明实施例的图像序列中第1帧图像的量测位置示意图；

图3是本发明实施例的飞鸟群目标跟踪结果示意图。

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。

本发明是一种基于群体智能模型的飞鸟群目标跟踪方法，如图1所示，包括如下步骤：

步骤1，个体目标状态预估；

设由N个飞鸟目标组成的飞鸟群目标，在k-1时刻所有飞鸟目标所处的位置集合为其中，表示k-1时刻目标i的位置，i∈{1,2,...,N}，所有飞鸟目标的速度集合为其中，表示k-1时刻目标i的速度。首先，计算每个目标i与群中所有其它目标的距离，并挑选出s个与目标i距离最近的目标，记为集合满足以下条件

式中，表示k-1时刻目标j的位置，表示k-1时刻目标j的速度，θ为距离阈值。

在k时刻，每个目标i的运动速度受到s个邻近目标的影响，其预估值由下式计算

式中，θ_i为速度预估调节系数。

则k时刻目标i所处的预估位置为：

式中，为k时刻目标i的预估位置，Δt表示雷达的数据更新周期。

步骤2，群目标状态估计；

基于步骤1获取的k时刻所有飞鸟目标所处的预估位置计算群目标中心的预估位置为

计算群目标整体的运动速度为

同时，k时刻获取的飞鸟群目标量测信息为其中，表示k时刻目标i的量测位置，计算群目标量测中心的位置为：

步骤3，个体目标状态修正；

利用步骤2获得的群目标状态估计结果，对步骤1中的飞鸟个体目标速度预估值进行修正，如下式

式中，为k时刻目标i的修正速度，为速度修正调节系数。

则k时刻目标i所处位置修正为

式中，为k时刻目标i的修正位置。

实施例：

下面结合附图中二维空间中基于雷达数据的飞鸟群目标跟踪结果对本发明提出的基于群体智能模型的飞鸟群目标跟踪方法进行图示和描述。

本发明是一种基于群体智能模型的飞鸟群目标跟踪方法，包括如下步骤：

步骤1，个体目标状态预估；

如图2所示，雷达图像大小为480×480，图像左下角为坐标原点，X轴水平向右，Y轴垂直向上，一群飞鸟目标沿X轴负方向水平运动。前一扫描周期标记为k-1＝0，当前扫描周期标记为k＝1，雷达的扫描周期Δt＝1。

图2中，由N＝35个飞鸟目标组成的飞鸟群目标，在k-1＝0时刻所有飞鸟目标所处的位置为所有飞鸟目标的速度为所有目标以“·”标记在极坐标系中。

以图2中的目标1为例，首先，计算目标i＝1与群中所有其它目标的距离，并挑选出s＝3个与目标i＝1距离最近的目标，记为集合满足以下条件

式中，θ＝50为距离阈值。目标1的坐标为[252,356]，与其邻近的3个目标的坐标分别为[239,356]，[241,375]和[260,345]；目标1的速度为[-9,0]，与其邻近的3个目标的速度分别为[-8,-0.5]，[-9.5,0]和[-10,-1]。

在k＝1时刻，每个目标i＝1的运动速度受到s＝3个邻近目标的影响，其预估值由下式计算

式中，为k-1＝0时刻目标1的运动速度，为目标1邻近目标集合中目标j的速度，θ₁为速度预估调节系数。基于公式(2)，目标1的运动速度受到邻近3个目标的影响，令θ₁＝1，其预估速度为

则k＝1时刻目标1所处的预估位置为

式中，为k＝1时刻目标1的预估位置，为k-1＝0时刻目标1的位置，Δt＝1代表传感器的数据更新周期。本例中，目标1的预估位置为

步骤2，群目标状态估计；

基于步骤1获取的k＝1时刻所有飞鸟目标所处的预估位置计算群目标中心的预估位置为

计算群目标整体的运动速度为

同时，k＝1时刻获取的飞鸟群目标量测信息为计算群目标量测中心的位置为

步骤3，个体目标状态修正；

利用步骤2获得的群目标状态估计结果，对步骤1中的飞鸟个体目标1的速度预估值进行修正，如下式

式中，为k＝1时刻目标1的修正速度，为速度修正调节系数。令则

则k＝1时刻目标1所处位置修正为

式中，为k＝1时刻目标1的修正位置。

图3中标定了k＝1时刻所有35个目标的状态，由“□”代表每个目标的修正位置，由一根短线代表其修正后的运动方向，并将其叠加到卫星地图上。