多目标跟踪

多  目  标  跟  踪


       多目标跟踪方法在军事和民用领域都具有广泛的应用价值,因而一直是研究热点。军事方面主要用于雷达数据处理,是防空(弹道导弹或者敌机防御)、水面舰只监视、多目标攻击等任务的关键技术之一;民用方面可以应用于航空交通管制和视频监控等。多目标跟踪问题要求根据一系列包含噪声干扰的观测值对多个运动目标的状态进行估计,通常需要分离出每个目标的轨迹。整个跟踪过程通常可以分解为数据关联(data association)和滤波两个步骤。

  1. 数据关联的宗旨是要判断在不同的时刻获得的观测结果,哪些源自同一个目标。常见的数据关联算法包括全局最近邻算法(GNN)、联合概率数据关联算法(JPDA)以及多假设跟踪算法(MHT)等。
  2. 因为观测值是有噪信号,在获得数据关联结果之后还需要进行统计滤波处理,得到较为准确的状态估计。常用的统计滤波算法有(扩展)卡尔曼滤波算法和粒子滤波算法等。

       在多目标跟踪的基本理论和方法中,数据关联占据了关键地位。数据关联算法通常以贝叶斯估值理论为基础。强干扰的存在,目标数目的随机,对多目标跟踪系统的性能提出了极大的挑战。普通的基于枚举关联组合的数据关联算法所面临的问题是,随着目标数目的增加和干扰的增强,算法的复杂度指数增长,性能急剧下降。为了解决这些问题,一方面可以尝试充分利用观测数据和目标运动模型信息,提前滤除杂波干扰,减轻算法负担;另一方面寻找效率更高的关联算法,从根本上提高算法性能。


我们的方法之一: SDT

  • 我们提出了一种新的特征迹驱动(signature-driven)的多目标跟踪算法,称为SDT。
  • SDT希望充分利用目标的谱特征、空间特性以及运动轨迹合成特征迹(signature),充分利用先验知识进行信息融合,最大限度地去除干扰。
  • 在特征分析阶段计算目标运动模型的似然概率,减轻滤波负担,提高运算效率。
  • 吸收了有限随机集跟踪方法的优点,引入处理目标新生、消亡、分裂的数学表达式,初步建立了强干扰环境下数目随机、高度机动的多目标跟踪理论和方法。

点击下载演示视频


我们的方法之二:GRASP-MHT

  • 多假设跟踪(MHT)算法是最为成功的数据关联算法之一,但其计算复杂度限制了它的应用。
  • 我们发现,将多假设跟踪框架下的关联假设生成建模为最大权重独立集问题(MWISP),然后采用随机化贪心-自适应搜索(GRASP)求解,可以在保证跟踪性能的情况下有效地提高算法效率。我们将基于这一思路实现的多假设跟踪算法命名为GRASP-MHT。
  • 一系列与常见的多目标跟踪算法的对比实验证实了GRASP-MHT的效率和精度。

研究成果

特征迹驱动的随机集跟踪方法 (2007至今)

对多目标,特别是数目不定、运动剧变的多目标实施实时、有效的跟踪和估计一直是学术界和军事应用领域的研究热点和难点。多目标跟踪的任务是在噪声和杂波的干扰下对目标的数目和状态进行估计。我们提出了一种新颖的特征迹驱动的多目标跟踪算法,其特点是充分利用目标的特征,并且融合随机集方法中对新生、分裂和消失目标的数学表达以及用于机动目标跟踪的交互多模型(IMM)算法。新算法性能上优于标准的多假设跟踪(MHT)算法。 [演示视频]

应用多传感器、多模式传感网络信息融合技术进行目标跟踪 (2004 - 2007)

在这一问题中我们采用声学、震动和红外等多种传感器探测运动目标,并希望利用固定在不同位置的多个不同类型的传感器测得的数据对目标进行定位和跟踪。相关的研究内容涉及对信号的传播、接收与分辨进行建模,以及应用于动态系统多目标跟踪的贝叶斯网络建模等。

应用超声波传感器网络进行多目标跟踪 (2003 - 2005)

我们通过实验研究了主动式超声波传感器网络在目标跟踪中的性能。为解决存在于主动传感器之间的干扰问题,我们采用了一套自适应时分复用方案。主动式传感网络的有效性在一个多目标跟踪实验平台上得到了展示。 [演示视频]

应用随机集理论跟踪运动目标 (2004)

实践中利用视频和音频可以实现对目标有效的监控。我们研究了基于多个摄像机和麦克风阵列信息融合的多目标跟踪方法,并考虑了跟踪过程中目标分裂,合并和消失的情况。根据随机集理论对随机数目的目标进行建模,采用粒子滤波器进行目标跟踪。

用于移动目标检测和定位的被动式红外传感网络系统 (2005)

我们设计了一套被动式红外无线传感网络系统用于行人检测与跟踪,包括传感网络的结构以及行人检测和定位算法。实际系统的搭建使用Crossbow公司的MSP410CA被动式红外传感节点。

民航预研项目“高机动多目标跟踪”顺利结题(2012)

在民用航空预研项目“高机动多目标跟踪”结题审核会议上,我们提出的特征迹跟踪算法(SDT)与GRASP-MHT获得与会评审专家的一致好评,项目顺利通过验收。

All Rights Reserved (C) Sensor Networks and Applications Research Center

京ICP备14045506号