本发明涉及检测技术,特别是涉及一种目标跟踪系统。
背景技术:
目标跟踪是检测技术领域重要的研究内容之一,并在视频监控,车辆导航领域有着很广泛的应用。跟踪问题中最为核心的是滤波算法。在分布式传感系统当中,有很多传感器节点,而这些传感器往往是电池供电的。因此,这就限制了这些传感器的数据传输距离、采样频率等方面的性能。在专利“cn106934332a”、“cn103729861b”中,公开了基于图像的跟踪方法,其主要关注点在于如何从图像中识别跟踪目标。在专利“cn102750522a”中公开了一种目标跟踪的方法,采用了粒子滤波来提升跟踪性能。在专利“cn101770024b”公开了一种多目标跟踪方法,改进了传统的卡尔曼滤波来提升跟踪性能。值得说明的是,这些已有技术都没有考虑传输距离限制,采样率不统一等问题。
技术实现要素:
为解决上述问题,本发明公开了一种目标跟踪系统,由多个距离传感器与γ个数据中心组成,其中,距离传感器可以感知其到目标的直线距离;每个数据中心可以获取其周围的距离传感器的数据,且可以与其周围的数据中心通信;每个数据中心及其可以通信的距离传感器组成一个感知族;跟踪算法在每个数据中心中执行,具体如下:
s1、令时间t=0,根据实际情况确定每个感知族在时间t的状态后验估计向量
s2、时间t自增1;
s3、计算每个感知族在时间t的状态先验估计向量
其中,单引号上标表示矩阵的转置,t表示采样间隔,ut为2行1列的向量,其第1个元素表示东向速度,第2个元素表示北向速度,a=[1,0;0,1];
s4、每个感知族的数据中心从该族中的距离传感器读取信息,设有
s5、计算每个感知族在时间t的新息
其中,m为正整数,表示滑窗宽度,tr表示矩阵的迹,
s5、计算每个感知族在时间t的增益矩阵
s6、计算每个感知族在时间t的后验估计向量
s7、每个感知族数据中心收集其可通信的数据中心在时间t输出的
其中,
s8、重复步骤s2到s7,即可获得第i个感知族数据中心在时间t的融合后验估计向量
与已有的技术相比,本发明解决了传感器采样率不同、传输距离有限情况下的目标跟踪问题,具有功耗低、成本低的优点。
附图说明
图1为本发明系统框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,实心圆表示距离传感器,空心正方形表示数据中心,虚线圆表示感知族的范围,本发明公开了一种目标跟踪系统,由多个距离传感器与γ个数据中心组成,其中,距离传感器可以感知其到目标的直线距离;每个数据中心可以获取其周围的距离传感器的数据,且可以与其周围的数据中心通信;每个数据中心及其可以通信的距离传感器组成一个感知族;跟踪算法在每个数据中心中执行,具体如下:
s1、令时间t=0,根据实际情况确定每个感知族在时间t的状态后验估计向量
s2、时间t自增1;
s3、计算每个感知族在时间t的状态先验估计向量
其中,单引号上标表示矩阵的转置,t表示采样间隔,ut为2行1列的向量,其第1个元素表示东向速度,第2个元素表示北向速度,a=[1,0;0,1];
s4、每个感知族的数据中心从该族中的距离传感器读取信息,设有
s5、计算每个感知族在时间t的新息
其中,m为正整数,表示滑窗宽度,tr表示矩阵的迹,
s5、计算每个感知族在时间t的增益矩阵
s6、计算每个感知族在时间t的后验估计向量
s7、每个感知族数据中心收集其可通信的数据中心在时间t输出的
其中,
s8、重复步骤s2到s7,即可获得第i个感知族数据中心在时间t的融合后验估计向量