本申请涉及信号处理及目标跟踪,具体涉及一种自适应调节的目标跟踪方法、装置、设备及存储介质。
背景技术:
1、运动模型用于描述目标运动状态随时间的演进规律,建立与目标实际运动形式相匹配的运动模型,是实现高精度目标跟踪的重要前提。
2、现有技术中会采用粒子滤波的方式进行目标跟踪,但是整个过程中往往采用的是单一的运动模型。然而,实际机动目标的运动形式较为复杂,且具备时变特性,无法采用单一的运动模型对目标运动状态的动态变化进行建模,当所假设的运动模型与目标真实运动特性不匹配时,会导致目标运动状态预测出现偏差,进而使得目标跟踪精度下降,甚至出现滤波发散的情况。
技术实现思路
1、本申请提供一种自适应调节的目标跟踪方法、装置、设备及存储介质,其能够及时捕捉到目标运动形式的时变特性,有效避免运动模型与实际目标运动形式不匹配的情况,提高机动目标跟踪的精度与稳定性。
2、第一方面,本申请实施例提供一种自适应调节的目标跟踪方法,所述自适应调节的目标跟踪方法包括:
3、实时采集目标量测数据;
4、根据最新的目标量测数据,并基于一根据实时的目标历史运动状态估计序列和目标量测数据,所迭代更新的描述不同时刻运动状态之间隐含映射关系的运动模型,确定目标当前时刻的运动状态,以对目标进行跟踪。
5、结合第一方面,在一种实施方式中,根据实时的目标历史运动状态估计序列和目标量测数据,迭代更新描述不同时刻运动状态之间隐含映射关系的运动模型,包括:
6、基于目标历史运动状态估计序列,建立运动模型,以确定目标当前时刻的状态估计值;
7、以目标历史运动状态估计序列的状态估计值为输入,目标当前时刻的状态估计值为输出,构建输入与输出之间的线性关系,以对运动模型进行迭代更新。
8、结合第一方面,在一种实施方式中,所述基于目标历史运动状态估计序列,建立运动模型,以确定目标当前时刻的状态估计值,包括:
9、建立当前时刻目标估计运动状态关于目标历史运动状态估计序列的运动模型;
10、利用粒子滤波算法,根据所述运动模型确定每一粒子表示的当前时刻的目标估计运动状态;
11、根据最新的目标量测数据,计算每一粒子表示的当前时刻的目标估计运动状态与观测值的似然值;
12、根据似然值更新每一粒子的权值并进行归一化处理,以获得当前时刻的目标估计运动状态的后验概率分布;
13、根据目标估计运动状态的后验概率分布,计算目标当前时刻的状态估计值。
14、结合第一方面,在一种实施方式中,
15、所述运动模型为:xk=fk(xk-1,...,xk-m)+νk;
16、其中,xk为k时刻的目标估计运动状态,fk(.)非线性运动模型方程,νk为k时刻的过程噪声。
17、结合第一方面,在一种实施方式中,所述以目标历史运动状态估计序列的状态估计值为输入,目标当前时刻的状态估计值为输出,构建输入与输出之间的线性关系,以对运动模型进行迭代更新,包括:
18、将目标历史运动状态估计序列的状态估计值与目标当前时刻的状态估计值组成输入-输出对;
19、采用核递归最小二乘法krls,通过非线性映射将数据输入映射至高维特征空间中,构建输入与输出之间的线性关系,以对运动模型进行迭代更新。
20、结合第一方面,在一种实施方式中,基于毫米波雷达实时采集目标量测数据。
21、第二方面,本申请实施例提供了一种运动模型训练方法,所述运动模型训练方法包括:
22、根据实时的目标历史运动状态估计序列和目标量测数据,迭代更新描述不同时刻运动状态之间隐含映射关系的运动模型。
23、第三方面,本申请实施例提供了一种自适应调节的目标跟踪装置,所述自适应调节的目标跟踪装置包括:
24、采集模块,其用于实时采集目标量测数据;
25、跟踪模块,其根据最新的目标量测数据,并基于一根据实时的目标历史运动状态估计序列和目标量测数据,所迭代更新的描述不同时刻运动状态之间隐含映射关系的运动模型,确定目标当前时刻的运动状态,以对目标进行跟踪。
26、第四方面,本申请实施例提供了一种自适应调节的目标跟踪设备,所述自适应调节的目标跟踪设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的自适应调节的目标跟踪程序,其中所述自适应调节的目标跟踪程序被所述处理器执行时,实现如上述任一种所述的自适应调节的目标跟踪方法的步骤。
27、第五方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有自适应调节的目标跟踪程序,其中所述自适应调节的目标跟踪程序被处理器执行时,实现如上述任一种所述的自适应调节的目标跟踪方法的步骤。
28、本申请实施例提供的技术方案带来的有益效果至少包括:
29、本申请中的自适应调节的目标跟踪方法,其采用在线学习方法,基于目标历史运动状态估计序列,训练一个描述不同时刻运动状态之间隐含映射关系的高阶马尔科夫模型,以代替原有的描述单一运动形式的运动模型。由于状态模型是通过在线学习方法根据持续不断获得的新样本,以迭代递推的形式获得的,因此其能够及时捕捉到目标运动形式的时变特性,有效避免运动模型与实际目标运动形式不匹配的情况,提高机动目标跟踪的精度与稳定性。
1.一种自适应调节的目标跟踪方法,其特征在于,所述自适应调节的目标跟踪方法包括:
2.如权利要求1所述的自适应调节的目标跟踪方法,其特征在于:根据实时的目标历史运动状态估计序列和目标量测数据,迭代更新描述不同时刻运动状态之间隐含映射关系的运动模型,包括:
3.如权利要求2所述的自适应调节的目标跟踪方法,其特征在于:所述基于目标历史运动状态估计序列,建立运动模型,以确定目标当前时刻的状态估计值,包括:
4.如权利要求3所述的自适应调节的目标跟踪方法,其特征在于:
5.如权利要求2所述的自适应调节的目标跟踪方法,其特征在于,所述以目标历史运动状态估计序列的状态估计值为输入,目标当前时刻的状态估计值为输出,构建输入与输出之间的线性关系,以对运动模型进行迭代更新,包括:
6.如权利要求1所述的自适应调节的目标跟踪方法,其特征在于:
7.一种运动模型训练方法,其特征在于,所述运动模型训练方法包括:
8.一种自适应调节的目标跟踪装置,其特征在于,所述自适应调节的目标跟踪装置包括:
9.一种自适应调节的目标跟踪设备,其特征在于,所述自适应调节的目标跟踪设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的自适应调节的目标跟踪程序,其中所述自适应调节的目标跟踪程序被所述处理器执行时,实现如权利要求1至6中任一项所述的自适应调节的目标跟踪方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有自适应调节的目标跟踪程序,其中所述自适应调节的目标跟踪程序被处理器执行时,实现如权利要求1至6中任一项所述的自适应调节的目标跟踪方法的步骤。