红外多目标跟踪技术研究_郑猛

1 红外多目标跟踪方法研究 的目的和意义
长期以来 ， 在目标搜索 、 跟 踪 、 探 测 方 面 ，雷 达 发 挥 着 重要 的 作 用 ，有 战 争 中的 “ 千里眼 ” 之称 。 但雷达有其天生的 缺点， 因为工作时有大量电磁辐射发 出 ， 所以很容易被其他雷达搜索探测设 备侦测到， 也容易受到电子反辐射干 扰 。 红外探测设备则不同 ， 它向外没有 任何能量辐射， 通过对四周热能的接 收 ， 搜索探测目标并对其进行定位 。 因 为红外探测设备没有向外辐射任何能 量， 所以它很难被其它探测设备侦测 到 ，也不 会 受 到 电 磁 辐 射 干 扰 ，具 有 很 强 的 抗 电 磁 辐 射干 扰 能 力 ；另 外 ，红 外 探测设备还具有高精度测角 、 强识别目 标能力等优点 。 所以 ， 作为雷达设备的 补充 ， 红外探测设备已成为一种重要的 探测方式 。 通过上面的比较可以看出 ， 对目标进行探测跟踪时 ， 红外传感器与 雷达传感器既有相同之处也有明显的 不同点 。 （1 ） 红外探测虽 然 有 较 高 精 度的 测 角 ，但 只 有 方 位 角 和高 低 角 ，目 标 跟 踪 时选择门限及点迹 － 航迹关联方法均不 同于雷达跟踪目标 。 （2 ） 没 有 所 探 测 目 标 的 距 离 信 息 ， 所以跟踪目标预滤波及描述运动目标 方法与雷达也不一样 。 因此 ， 对红外传感器多目 标跟 踪 技 术进行研究有十分重要的意义 。
采样周期内 为常 数 。 假 如 a1 （t ） ＝a （t ） ＋a
U （k ）=
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
1 （-T+ aT2 + 1-e-aT ） 3 3 3 3 a 2 a 3 T- 1-e a 1-e-aT
（k＋1 ）T
4
结语
本 文 采 用 “当 前 ”统 计 模 型 来 描 述
-aT
3 3 3 3 3 3 3 3 3 3
红外传感器目标的运动 ， 它能较真实地 反映目标机动范围和强度的变化 ， 并在 此基础上讨论了自适应跟踪滤波算法 ，
2
3 3 3 3 3 3 3 3 3
咬 （t ）=a （t ）＋a （t ）， a 觶 1（t ）＝－ （t ）， 则合并后得 x αa1（t ） +αa （t ） ＋ω （t ）， 将 两 式 写 为 状 态 方
x （t ）
觶 （t ） + x 咬 （t ） x
3 3 3 3 3 3 3 3 3 3 3
周 绍 光 ，熊 仁 生 ，吴 圣 雄 ，等．多 目 标 跟 踪 ［J ］． 光 学 报 ，1997 （2 ）
3 “当前 ”统 计 模 型 和 自 适 应 滤波算法
红外探测器只能得到目标的方位 角和高低角数据 。 假如目标是匀速直线
PIONEERING WITH SCIENCE & TECHNOLOGY MONTHLY NO.11
2012
189
科技创业
月 刊
红 外 多 目 标 跟踪 技术研究
3 3 3 3 3 3 3 3 3
E ［W （k ）WT（k＋j ）］＝0 q11 q12 q13 q13 q23 q33 q11= 1 5 2a 1-e ≠
-2dT
3 3 3 3 3 3 3 3 3
（ 坌j ≠ 0 ）
Q （k ） ＝E ［W （k ）WT （k ）］ ＝2aσ2a q12 q22 q23 ， 其中
3．2
自适应滤波算法 将非零加速度均值考虑进来 ， 则 一
x （t ）
觶 （t ） + x 咬 （t ） x
3 3 3 3 3 3 3 3 3 3 3
exp ［－a （（k＋1 ）T－ξ ］
0 α
0 a （t ）+ 0 ω （t ） 1
3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 3
0
列 ， 并且满足以下的条件方程 ：
感 器 一 样 ， 红 外 传感 器 已 成 为 一 种 重要 的 搜 索探 测 方式 ， 所 以 ， 研究 红 外 传感 器 多 目 标 跟踪 技术 具 有 极 其 重要 的理 论 和现 实 意 义 。 依 据 红 外 传感 器 自身 独 有的特 性 ， 提出 “ 当 前 ” 统 计 模 型 和 自适 应 跟踪滤 波 的 红 外 目 标 跟踪 方 法 ， 并 在此基础上 讨论 了 自适 应 跟踪滤 波 算 法 。 关键词 ： 多 目 标 跟踪 ； 数据 关 联 ； 量 测 数据 ； 自适 应 跟踪 中图分类号 ：TN215 文献标识码 ：A 适的坐标系可以解决上述问题 ， 它能保 证跟踪性能的良好 ， 同时满足有效的运 算时间 。 （5 ） 数据 相 关 。 多 目 标 跟 踪 技 术的 核心部分就是数据相关 。 将待测目标数 据与已知目标点迹进行比较 ， 然后确定 出正确的观测 ／ 点迹配对 ， 这 一 过 程 称 为数据相关 。 有两种数据相关方法 ： 一 是 “ 最近邻 ” 法 ， 另一种是 “ 全邻 ” 法 。 “ 最 近邻 ” 法是选取残差率密度最大或统计 距离最小的量测作为目标的测量数据 ， 这种方法比较简单 ， 但容易产生误跟踪 和漏掉目标的情况 。 “ 全邻 ” 法则是综合 评估波门内的所有待测数据 ， 依据不同 相关情况计算出各概率加权系数及所 有待测数据的等效量测数据 ， 然后用各 等效量测数据更新多个目标的状态 。 （6 ） 点迹 起 始 和 点 迹 终 止 。 点 迹起 始包括假定点迹形成 、 点迹初始化和点 迹确定 。 一般 ， 不与已知目标点迹 相关 的观测集合被用来产生新的假定点迹 ， 进而进行点迹的初始化处理 。 （7 ） 虚警 和 漏 报 。 虚 警 主 要 是 指传 感器内部的电路噪声 、 外界电子干扰 、 杂波干扰等潜在的多余能量数据源使 系统产生虚假的点迹 。 漏报指观测数据 丢失或漏检 。
1 2 3
潘 丽娜 ． 红 外 警 戒 系 统 中 的 数据 互 联 算 法 ［J ］． 红 外与 激 光 工 程 ，1998 （6 ） 黄 常 青 ， 郑 链 ， 宋 承 天 ． 红 外 多 目 标 跟踪 算 法 研究 ［J ］． 红 外与 激 光 工 程 ，2005 （2 ） 杨 春 玲 ， 余 英林 ， 刘国 岁 ． 多 目 标 跟踪 中 的 数据 关 联 算 法 ［J ］． 系 统 工 程 与 电子 技术 ，
收稿日期 ：2012－09－28
2 多目标跟踪技术的基本要素
探测器分类 、 判决所接收 到的 测 量 数据 ， 并将这些数据对应于不同信息源 所产生的不同观测集合或轨迹 ， 这就是 跟踪多目标的目的 。 轨迹一旦产生 ， 那 么运动轨迹的数量 ， 目标速度 、 加速度 、 位置等运动参数 ， 以及目标的特性分类 等信息 ， 都可以被评估出来 。 多目标 跟 踪技术有诸多内容 ， 包括波门 （ 相关域 ） 的 产生 ，点 迹 起 始 和 点 迹 终 止 ，维 持 跟 踪与数据相关 ， 虚警和漏报等 。 多目标跟踪技术的基本要素是 ： （1 ） 产生并 处 理 测 量 数 据 。 探 测器 可以探测到目标的诸多参数数据 ， 它输 出的全部探测量的集合我们称为测量 数据 ， 包括目标速度 、 目标加速度 、 目标 位置 、目标 类 型 、目 标 属 性 、目 标 数量 、 目标形状及获取探测量的时序等 。 （2 ） 建立机 动 目 标 数 学 模 型 。 通过 建立数学模型来描述与评估问题运动 状态是十分必要的 ， 所建立的机动目标 数学模型应该是将某一时刻点的机动 目标状态变量表示为当前时刻点机动 目标状态变量的函数 。 （3 ） 检测与 识 别 目 标 。 通 过 对 机动 目标的检测与识别 ， 确定目标机动的发 生时刻点 ， 评估产生像机动强度和持续 时间这样的具体的目标机动参数 。 （4 ） 选取合 适 的 坐 标 系 。 机 动 目标 的数学模型及探测器测量数据在很大 程度上影响跟踪滤波器的设计 。 选择合
0 α
0 a （t ）+ 0 ω （t ） 1
3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 3
0
3 3 3 3 3 3 3 3 3
2aT+a2T2］ q13= 1 3 ［1-e-2aT-2aTe-aT］ 2a q22= 1 3 ［4e-aT-3-e-2aT+2aT ］ 2a q23= 1 2 ［e-2aT+1-2e-aT］ 2a q33= 1 ［1-e-2aT］ 2a
应用技术
红外多目标跟踪技术研究
郑 猛
湖北 武汉 （ 华 中 光 电 技术研究 所－ 武 汉 国 家 光 电 实 验 室
摘
430074 ）
要 ： 与 雷 达 主 动 探 测 相 比 ， 红 外 被 动 侦 测 虽 然 有 其 劣 势 ， 但 同样 有 其 不 可 比 拟 的 优 点 ， 同 雷 达 传
PIONEERING WITH SCIENCE & TECHNOLOGY MONTHLY
运动 ， 那么探测器得到的方位角是一个 非线性递减或递增的序列 。 以方位角和 高低角为坐标轴建立直角坐标系 ， 则可 以认为目标在做变加速曲线运动 。 某一 确定的时刻点 ， 可以确定目标加速度的 范围 。 上面的描述与 “ 当前 ” 统计模型的 假设一致 。 因此 ， 用 “ 当前 ” 统计模型 来 描述红外探测目标的运动情况 。
X （k＋1 ）＝Φ （k＋1 ，k ）X （k ） ＋U （k ）a＋W
（k ）， 其中 ：
3．1
“ 当前 ” 统计模型 若目标以某一加速度运动 ， 下 一 时
觶 （t ） x 咬 （t ）］T X （k ）= ［x （t ） x
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
刻点的加速度取值必定限定在一定范 围 ， 并且只能在 “ 当前 ” 范围内 ， 这样 ， 就 出现了 “ 当前 ” 统计模型 。 用修正的瑞利 分布 描 述 “当 前 ”统 计 模 型 机动 加 速 度 的 “ 当前 ” 概率密度 ， 随机机动加速度在 时间轴上符合一阶时间相关过程 ，即 咬 （t ）＝a （t ）＋a （t ），a 觶 （t ）＝－αa （t ）＋ω （t ）， 其中 x
观测方程为 Y（k）＝H（k）X（k）＋V（k）。 如果只可观测到噪声的目标位置 数据 ， 则 H （k ）＝ ［1 高斯观测噪声 。 到这里 ， 目标的状态估计 值 即 可 用 标准 Kalman 滤来自百度文库方程产生 。
式中x 觶 （t ）、 x 咬 （t ） 和 x （t ） 分 别 为 目 标 的速度 、 加速度和位置 。 如采样周期为 T ， 通过典型的离散 处理方法 ， 可得离散状态方程如下 ：
程 ， 即为机动目标 “ 当前 ” 统计模型 ：
3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
W （k ）＝
乙
kT
｛－1＋a （（k＋1 ）T－ξ＋exp ［－a （（k＋1 ）T－ξ ］｝/a ｛1－exp ［－a （（k＋1 ）T－ξ ］｝/a 式中 W （k ） 是离散时间白噪声序
维状态方程为 ：
3 3 3 3 3 3 3 3 3 3 3
2000（3 ） 4
5 3
觶 （t ） x
咬 （t ） = 0 0 1 x 0 0 -α （t ）
3 3 3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 3
0 1
0
3 33 33 33 33 33 33 3 33 3 33 3
对红外传感器多目标跟踪方法的研究 具有极其重要的理论和现实意义 。
参考文献
觶 （t ） x
咬 （t ） = 0 0 1 x 0 0 -α （t ）
3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 3 3 3
3 3 3 3 3 3 3 3 3
0 1
0
3 33 33 33 33 33 33 3 33 3 33 3 3 3 3 3 3 3 3 3 3
1 T
1 （-1+aT+e-aT） 3 3 3 3 a2 3 1 （1-e-aT） a e
-aT
3 3 3 3 3 3 3 3 3 3
0 0］。
V （k ） 是 方 差 为 R （k ）， 均 值 为 零 的
Φ （k＋1 ，k ）= 0 1 0 0
a （t ） 为 机 动 加 速 度 “ 当 前 ” 均 值 ， 在 每 一