基于独立同分布与多伯努利分布的多目标跟踪方法和装置

1.一种基于独立同分布与多伯努利分布的多目标跟踪方法，其特征在于，所述方法包括：步骤1，根据目标的初始存在概率和初始概率密度对目标的多伯努利密度和势分布进行初始化；步骤2，获取目标前一时刻的多伯努利密度和势分布，根据前一时刻的多伯努利密度和势分布对当前时刻的目标状态进行预测，得到预测多伯努利密度和预测势分布；步骤3，根据传感器获取当前时刻的量测集合，根据所述量测集合对所述预测势分布进行更新，得到更新势分布；步骤4，基于独立同分布假设，计算所述量测集合与目标之间的关联权重和关联边缘概率，根据所述关联权重和关联边缘概率对所述预测多伯努利密度进行更新，得到更新多伯努利密度；其中，所述更新多伯努利密度包括漏检目标的多伯努利密度和量测更新目标的多伯努利密度；步骤5，根据所述更新势分布获取当前时刻的目标数估计，根据所述更新多伯努利密度获取各目标当前时刻的存在概率，根据当前时刻的存在概率对当前时刻的目标及对应的高斯分量进行修正，得到修正后的目标及对应的高斯分量，根据所述修正后的目标及对应的高斯分量获取当前时刻的目标状态估计；步骤6，重复执行步骤2~5，直到目标不再需要跟踪为止。 2.根据权利要求1所述的方法，其特征在于，根据目标的初始存在概率和初始概率密度对目标的多伯努利密度和势分布进行初始化，包括：获取目标 的初始存在概率 和初始概率密度 ，根据所述 和 对目标的多伯努利密度进行初始化，得到初始多伯努利密度为 ；其中， 表示 个目标的集合， 表示初始目标总数；根据所述 和 对目标的势分布进行初始化，得到初始势分布，表示为 ；其中， 表示 的 次初等对称函数。 3.根据权利要求2所述的方法，其特征在于，获取目标前一时刻的多伯努利密度和势分布，根据前一时刻的多伯努利密度和势分布对当前时刻的目标状态进行预测，得到预测多伯努利密度和预测势分布，包括：获取目标 在 时刻的多伯努利密度为 ，根据 对目标 在 时刻的多伯努利密度进行预测，得到预测多伯努利密度，表示为 ；其中， 表示存活目标的多伯努利密度， 表示新生目标的多伯努利密度， 表示 时刻的预测多伯努利密度， 表示目标 在 时刻的存在概率， 表示目标 在 时刻的概率密度， 表示目标存活概率， 表示目标 的预测存在概率， 表示目标 的预测概率密度， 表示 时刻的目标存活总数， 表示新生目标 的存在概率， 表示新生目标 的概率密度， 表示新生目标总数， 表示 时刻的预测目标总数；获取目标 在 时刻的势分布为 ，根据 对目标 在 时刻的势分布进行预测，得到预测势分布表示为 ；其中， 表示新生目标的势分布， 和 表示两个设定整数， 表示组合数， 。 4.根据权利要求3所述的方法，其特征在于，根据传感器获取当前时刻的量测集合，根据所述量测集合对所述预测势分布进行更新，得到更新势分布，包括：根据传感器获取 时刻的量测集合 ，其中， 是量测 在 时刻的量测状态， 是 时刻的量测数量，根据量测集合 对预测势分布 进行更新，得到更新势分布，表示为 ；其中，符号 表示内积计算符。 5.根据权利要求4所述的方法，其特征在于，基于独立同分布假设，计算所述量测集合与目标之间的关联权重和关联边缘概率，根据所述关联权重和关联边缘概率对所述预测多伯努利密度进行更新，得到更新多伯努利密度，表示为 ；其中， 表示漏检目标的多伯努利密度， 表示量测更新目标的多伯努利密度， 表示 时刻的更新多伯努利密度， 表示目标 在 时刻的存在概率， 表示目标 在 时刻的概率密度， 表示 时刻的更新目标总数， 表示漏检目标的存在概率， 表示漏检目标的概率密度， 表示量测更新目标的存在概率， 表示 时刻量测 与目标 之间的关联权重， 表示量测更新目标的概率密度，表示为 ； ；其中， 表示在 时刻量测 更新的目标 的第 个的高斯分量， 表示 的权重， 表示 的均值， 表示 的协方差， 表示 时刻目标 的预测高斯分量数， 表示 时刻量测 与目标 之间的关联边缘概率； 表示 时刻的预测目标总数； 表示在 时刻预测的目标 的第 l 个高斯分量 的归一化权重， 表示 的权重， 表示 的均值， 表示 的协方差， 在 时刻目标 的预测高斯分量数， 表示目标 的预测存在概率； 表示高斯分量与量测 的似然函数； 表示量测 在 时刻的量测状态。 6.根据权利要求5所述的方法，其特征在于，漏检目标的存在概率的计算步骤包括：根据 时刻量测 与目标 之间的关联权重 计算目标 的更新权重为 ；设置更新权重阈值 ，当 时，获取漏检目标的期望值 ，根据 计算漏检目标的存在概率表示为 ；当 时，令 ； 表示目标 漏检的边缘权重； 表示 时刻的预测目标总数。 7.根据权利要求1所述的方法，其特征在于，根据所述更新势分布获取当前时刻的目标数估计，包括：将更新势分布 取最大值时的整数作为 k 时刻的目标数估计，表示为 。 8.根据权利要求1所述的方法，其特征在于，根据所述更新多伯努利密度获取各目标当前时刻的存在概率，根据当前时刻的存在概率对当前时刻的目标及对应的高斯分量进行修正，得到修正后的目标及对应的高斯分量，包括：根据所述更新多伯努利密度获取目标 在 时刻的存在概率为 ，将 时刻各目标的存在概率按照从大到小的顺序排序，选取 个目标；其中， 表示 k 时刻的目标数估计；设置目标剔除阈值为 ，若 ，将目标 的所有高斯分量剔除；设置高斯分量剔除阈值为 ，若 ，将目标 的第 个高斯分量剔除；设置合并距离阈值为 ，若在 时刻同一个目标的两个高斯分量之间的距离小于 ，将该两个高斯分量合并。 9.根据权利要求8所述的方法，其特征在于，根据所述修正后的目标及对应的高斯分量获取当前时刻的目标状态估计，包括：将修正后的 个目标的高斯分量中权重最大的高斯分量的均值 作为 时刻的目标状态估计，表示为 。 10.一种基于独立同分布与多伯努利分布的多目标跟踪装置，其特征在于，包括存储器和处理器，所述存储器存储有基于独立同分布与多伯努利分布的多目标跟踪程序，所述处理器在运行所述基于独立同分布与多伯努利分布的多目标跟踪程序时执行权利要求1至9任意一项所述方法的步骤。