CN114690176A - 运动目标跟踪方法、装置、电子设备及存储介质 - Google Patents
运动目标跟踪方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114690176A CN114690176A CN202210610106.8A CN202210610106A CN114690176A CN 114690176 A CN114690176 A CN 114690176A CN 202210610106 A CN202210610106 A CN 202210610106A CN 114690176 A CN114690176 A CN 114690176A
- Authority
- CN
- China
- Prior art keywords
- clustering
- track
- state
- association
- tracking
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/66—Radar-tracking systems; Analogous systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Abstract
本发明涉及一种运动目标跟踪方法、装置、电子设备及存储介质,其中方法包括:根据运动目标针对雷达探测信号反馈的回波信号生成检测点集合,并基于检测点集合建立并维护与运动目标相关联的跟踪航迹以及跟踪航迹的航迹状态;在确认航迹状态为“异常”的情况下,针对当前帧的检测点集合,对跟踪航迹附近的检测点按照预设的异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果,并增大观测值权重以及基于增大后的观测值权重和第二聚类及关联结果对运动目标的状态进行更新,其中,预设的异常状态聚类和关联条件不包括与速度相关的参数,从而实现不稳定或不规则的目标进行跟踪,如急刹车,或是车祸导致骤停、翻车等情况下目标的跟踪。
Description
技术领域
本发明涉及雷达技术领域,特别涉及一种运动目标跟踪方法、装置、电子设备及存储介质。
背景技术
现有用于车载及交通领域的77GHz毫米波雷达,一般现有目标跟踪手段为将雷达检测点进行聚类,并于现有航迹进行关联并更新运动状态,如机动车,非机动车、行人等。一般方法无论是聚类还是关联通常都会用到速度特征,包括多普勒速度(模糊/不模糊)、对地速度、雷达坐标系下的x轴速度以及y轴速度。
然而,一般目标跟踪方法无法针对不稳定或不规则的目标进行跟踪,如急刹车,或是车祸导致骤停、翻车的机动车,因为骤停或车祸目标由于速度的骤减及运动方向的突变,通常导致多普勒速度变化幅度巨大,若目标为货车、公共汽车等大型目标,则进一步增加变化幅度,从而导致无法形成有效以及稳定的目标跟踪。
发明内容
本发明提供了运动目标跟踪方法、装置、电子设备及存储介质,其中,当航迹状态为“异常”时,需要按照预设的异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果,再次聚类以及关联的条件不包括与速度相关的参数,从而避免了因同一运动目标速度的突变或者不规则目标导致的检测点聚类为多个簇,难以与航迹关联的情况,具体方案如下:
第一方面,提供一种运动目标跟踪方法,所述方法包括:
根据所述运动目标针对雷达探测信号反馈的回波信号生成检测点集合,并基于所述检测点集合建立并维护与所述运动目标相关联的跟踪航迹以及所述跟踪航迹的航迹状态;
在所述跟踪航迹建立完成之后,针对每一帧的检测点集合,按照预设的正常状态聚类和关联条件对所述检测点集合中的检测点进行聚类和关联以得到第一聚类及关联结果,并根据所述第一聚类及关联结果确认并更新所述跟踪航迹的航迹状态的类型;
若当前帧的所述航迹状态的类型为“正常”,则针对当前帧的检测点集合基于所述第一聚类及关联结果以及预设的观测值权重对所述运动目标的状态进行更新;若当前帧的所述航迹状态为“异常”,则针对当前帧的检测点集合,对所述跟踪航迹附近的检测点按照预设的异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果,并增大所述观测值权重以及基于增大后的观测值权重和所述第二聚类及关联结果对所述运动目标的状态进行更新,其中,所述正常状态聚类和关联条件包括与速度相关的参数,所述异常状态聚类和关联条件不包括与速度相关的参数。
在一个较佳的实施方式中,所述正常状态聚类和关联条件包括第一距离条件,所述异常状态聚类和关联条件包括第二距离条件,所述第一距离条件和所述第二距离条件均包括横纵向距离阈值,径向距离阈值,方位角阈值中的一种或多种。
在一个较佳的实施方式中,所述针对每一帧的检测点集合,按照预设的正常状态聚类和关联条件对所述检测点集合中的检测点进行聚类和关联以得到第一聚类及关联结果,并根据所述第一聚类及关联结果确认并更新所述跟踪航迹的航迹状态的类型还包括:
若当前帧的存在以下情况则将所述航迹状态更新为“潜在异常”:
所述第一聚类及关联结果中不存在第一类关联簇,或者,所述第一聚类及关联结果中存在第一类关联簇,所述第一类关联簇的特征不满足特征条件;
其中,所述第一类关联簇是与所述跟踪航迹的距离满足第一距离条件的检测点所属的簇。
在一个较佳的实施方式中,所述方法还包括:
在确认所述航迹状态的类型为“潜在异常”的情况下,针对当前帧的检测点集合,对所述跟踪航迹附近的检测点按照所述异常状态聚类和关联条件再次进行聚类和关联以得到所述第二聚类及关联结果;
若所述第二聚类及关联结果中存在第二类关联簇,则将所述跟踪航迹的航迹状态更新为“异常”;其中,所述第二类关联簇是与所述跟踪航迹的距离满足第二距离条件的检测点所属的簇。
在一个较佳的实施方式中,所述方法还包括:
在确认所述航迹状态的类型为“潜在异常”的情况下,针对当前帧的检测点集合,对所述跟踪航迹附近的检测点按照所述异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果;
若所述第二聚类及关联结果中存在第二类关联簇,则将“潜在异常”状态对应的潜在异常计数器的值加1;
若所述潜在异常计数器的值大于等于预设的数值阈值,则将所述跟踪航迹的航迹状态更新为“异常”;
其中,所述第二类关联簇是与所述跟踪航迹的距离满足第二距离条件的检测点所属的簇。
在一个较佳的实施方式中,所述特征条件包括:所述第一类关联簇的尺寸大于第一尺寸阈值或者小于第二尺寸阈值,或者,所述第一类关联簇对应的多普勒速度均方差大于方差阈值。
在一个较佳的实施方式中,所述方法还包括:
基于卡尔曼滤波处理方式对所述运动目标的状态进行更新,其中,所述增大所述观测值权重包括通过增大过程噪声协方差的方式增大所述观测值权重。
在一个较佳的实施方式中,所述方法还包括:
在确认所述航迹状态的类型为“潜在异常”的情况下,针对当前帧的检测点集合基于所述第一聚类及关联结果以及预设的观测值权重对所述运动目标的状态进行更新。
在一个较佳的实施方式中,所述方法还包括:
在确认所述航迹状态的类型为“潜在异常”或“异常”的情况下,判断当前帧的跟踪航迹的第二类关联簇是否满足预设速度条件,若满足,则将所述跟踪航迹的航迹状态更新为“正常”。
在一个较佳的实施方式中,所述方法还包括:
在确认所述航迹状态的类型为“潜在异常”或“异常”的情况下,判断当前帧的跟踪航迹的第二类关联簇是否满足预设速度条件,若满足,则将正常计数器的值加1;
在所述正常计数器的值等于设定门限的情况下,将所述跟踪航迹的航迹状态更新为“正常”。
在一个较佳的实施方式中,所述预设速度条件包括:所述第二类关联簇的多普勒速度协方差小于预设的协方差阈值,且与所述跟踪航迹的多普勒速度差小于预设的速度阈值。
第二方面,提供一种运动目标跟踪装置,所述装置包括:
跟踪航迹处理单元,用于根据所述运动目标针对雷达探测信号反馈的回波信号生成检测点集合,并基于所述检测点集合建立并维护与所述运动目标相关联的跟踪航迹以及所述跟踪航迹的航迹状态;
航迹状态确定单元,用于在所述跟踪航迹建立完成之后,针对每一帧的检测点集合,按照预设的正常状态聚类和关联条件对所述检测点集合中的检测点进行聚类和关联以得到第一聚类及关联结果,并根据所述第一聚类及关联结果确认并更新所述跟踪航迹的航迹状态的类型;
目标状态更新单元,用于若当前帧的所述航迹状态的类型为“正常”,则针对当前帧的检测点集合基于所述第一聚类及关联结果以及预设的观测值权重对所述运动目标的状态进行更新;若当前帧的所述航迹状态为“异常”,则针对当前帧的检测点集合,对所述跟踪航迹附近的检测点按照预设的异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果,并增大所述观测值权重以及基于增大后的观测值权重和所述第二聚类及关联结果对所述运动目标的状态进行更新,其中,所述正常状态聚类和关联条件包括与速度相关的参数,所述异常状态聚类和关联条件不包括与速度相关的参数。
第三方面,提供一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如前所述的运动目标跟踪方法。
第四方面,提供一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如前所述的运动目标跟踪方法。
通过本发明的技术方案,在确认航迹状态为“异常”的情况下,需要按照预设的异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果。由于此时可能因目标的运动状态与航向不稳定,导致其检测点的多普勒速度存在较大差异,在本发明中再次聚类以及关联的条件不包括与速度相关的参数,从而避免了因速度的突变导致的同一运动目标的检测点聚类为多个簇,难以与航迹关联。进一步地,在航迹状态为“异常”的情况下,跟踪航迹可能会带来运动目标的状态的较大误差,本发明在对运动目标状态更新时,增大观测值权重,从而进一步地提高运动目标状态更新时的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中运动目标跟踪方法的流程图;
图2为本发明实施例中运动目标跟踪方法的逻辑过程图;
图3为本发明实施例中运动目标跟踪装置的示意图。
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,所描述的实施例仅仅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。
在整个说明书中,对“一个实施方式”、“一个示例”或“示例”的提及意味着:结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此,在整个说明书的各个地方出现的短语“在一个实施方式中”、“在实施方式中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外,可以以任何适当的组合和/或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。
如图1所示,本发明提供一种运动目标跟踪方法,该方法包括:
S101、根据运动目标针对雷达探测信号反馈的回波信号生成检测点集合,并基于检测点集合建立并维护与运动目标相关联的跟踪航迹以及跟踪航迹的航迹状态。
在本步骤中,航迹状态包括“正常”状“异常”状态以及“潜在异常”状态。在生成检测点集合后,根据检测点进行聚类以及关联,从而生成与运动目标相关联的跟踪航迹,在本发明中,聚类以及关联没有明显的先后顺序,可以先聚类再关联,也可以先关联再聚类。
S102、在跟踪航迹建立完成之后,针对每一帧的检测点集合,按照预设的正常状态聚类和关联条件对检测点集合中的检测点进行聚类和关联以得到第一聚类及关联结果,并根据第一聚类及关联结果确认并更新跟踪航迹的航迹状态的类型。
在本步骤中,在航迹状态为“正常”状态下,预设的正常状态聚类以及关联条件,包括速度参数,距离参数等,其中速度参数包括多普勒速度(模糊/不模糊),对地速度,雷达坐标系下的x轴速度以及y轴速度。在根据第一聚类以及关联结果确定跟踪航迹的航迹状态为“正常”状态时,后续继续按照预设的正常状态聚类和关联条件对检测点进行聚类以及关联,并再次更新航迹状态,若第一聚类以及关联结果确定跟踪航迹的航迹状态为异常状态时,则表明运动目标可能出现急刹车,或是大型目标可能存在车祸导致骤停、翻车等情况,因此,此时,需要再次对当前帧的检测点集合进行聚类以及关联。
S103、若当前帧的航迹状态的类型为“正常”,则针对当前帧的检测点集合基于第一聚类及关联结果以及预设的观测值权重对运动目标的状态进行更新;若当前帧的航迹状态为“异常”,则针对当前帧的检测点集合,对跟踪航迹附近的检测点按照预设的异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果,并增大观测值权重以及基于增大后的观测值权重和第二聚类及关联结果对运动目标的状态进行更新,其中,正常状态聚类和关联条件包括与速度相关的参数,异常状态聚类和关联条件不包括与速度相关的参数。
在本步骤中,运动目标的状态包括运动目标的位置信息以及速度信息。对于运动目标的状态具有预设的目标跟踪模型,示例性地,目标跟踪模型通常考虑多种方面的因素,示例性地包括跟踪航迹,以及观测值,观测值也即是第一聚类以及关联结果,在对运动目标的状态更新时,跟踪航迹以及观测值均具有相应的权重。
在航迹状态的类型为“正常”的情况下,基于跟踪航迹以及相应的航迹权重,第一聚类及关联结果以及预设的观测值权重对运动目标的状态进行更新。
在确认航迹状态为“异常”的情况下,需要按照预设的异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果。由于此时可能因目标的运动状态与航向不稳定,导致其检测点的多普勒速度存在较大差异,在本发明中再次聚类以及关联的条件不包括与速度相关的参数,从而避免了因速度的突变导致的同一运动目标的检测点聚类为多个簇,难以与航迹关联。进一步地,在航迹状态为“异常”的情况下,跟踪航迹可能会带来运动目标的状态的较大误差,本发明在对运动目标状态更新时,增大观测值权重,从而进一步地提高运动目标状态更新时的准确性。
本发明提出的运动目标跟踪方法既适用于车辆雷达,也适用于交通雷达,特别适用于77GHz的毫米波雷达,并且本发明可以对骤停、车祸目标进行跟踪与检测,并且能更加准确更新运动目标的状态信息,以提高雷达的实用性,如用于高速公路或城市道路的雷达可以第一时间发现异常状况并及时警报,降低后续发生交通事故的概率。
在一个较佳的实施方式中,正常状态聚类和关联条件包括第一距离条件,异常状态聚类和关联条件包括第二距离条件,第一距离条件和第二距离条件均包括横纵向距离阈值,径向距离阈值,方位角阈值中的一种或多种,进一步地,正常状态聚类和关联条件以及异常状态聚类和关联条件除了包括上述的第一距离条件以及第二距离条件外,还包括信噪比,峰值能量,散射截面积等。
进一步地,第一距离条件以及第二距离条件对应的横纵向距离阈值,径向距离阈值,以及方位角阈值不同,并且对于横纵向距离阈值,径向距离阈值,欧式距离与马氏距离均适用。
在一个较佳的实施方式中,针对每一帧的检测点集合,按照预设的正常状态聚类和关联条件对检测点集合中的检测点进行聚类和关联以得到第一聚类及关联结果,并根据第一聚类及关联结果确认并更新跟踪航迹的航迹状态的类型还包括:
若当前帧的存在以下情况则将航迹状态更新为“潜在异常”:
第一聚类及关联结果中不存在第一类关联簇,或者,第一聚类及关联结果中存在第一类关联簇,第一类关联簇的特征不满足特征条件;
其中,第一类关联簇是与跟踪航迹的距离满足第一距离条件的检测点所属的簇。
在本实施例中,在确定第一类关联簇时,聚类以及关联的顺序可以互换,可以先进行聚类再关联,或者先关联再聚类。第一关联簇是与跟踪航迹的距离满足第一距离条件的检测点所属的簇,进一步地,第一类关联簇是与跟踪航迹的距离最近的检测点所属的簇。
若跟踪航迹的航迹状态为“正常”状态,则采用正常的聚类以及关联条件,其中正常状态聚类和关联条件包括与速度相关的参数。本实施例中,对于在正常状态下判断是否为“潜在异常”状态,实际上存在两种情况:
①第一聚类及关联结果中不存在第一类关联簇;
②第一聚类及关联结果中存在第一类关联簇,第一类关联簇的特征不满足特征条件。
只要满足以上两种情况的任意一种,则将当前的“正常”状态更新为“潜在异常”状态。
在一个较佳的实施方式中,本发明中的方法还包括:
在确认航迹状态的类型为“潜在异常”的情况下,针对当前帧的检测点集合,对跟踪航迹附近的检测点按照异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果;
若第二聚类及关联结果中存在第二类关联簇,则将跟踪航迹的航迹状态更新为“异常”;其中,第二类关联簇是与跟踪航迹的距离满足第二距离条件的检测点所属的簇。
在本实施例中,若确认航迹状态的类型为“潜在异常”,则需要对当前帧的检测点集合按照异常状态聚类和关联条件再次进行聚类和关联,也即是,在对当前帧的检测点集合进行聚类以及关联时,不包括速度参数。第二类关联簇是与跟踪航迹的距离满足第二距离条件的检测点所属的簇,示例性地,第二类关联簇是与跟踪航迹的距离最近的检测点所属的簇,若第二聚类及关联结果中存在第二类关联簇,则表明可能是由于运动目标出现急刹车,或是车祸导致骤停、翻车等情况导致的“异常”,因此,将跟踪航迹的航迹状态更新为“异常”。
在一个较佳的实施方式中,本发明的方法还包括:
在确认航迹状态的类型为“潜在异常”的情况下,针对当前帧的检测点集合,对跟踪航迹附近的检测点按照异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果;
若第二聚类及关联结果中存在第二类关联簇,则将“潜在异常”状态对应的潜在异常计数器的值加1;
若潜在异常计数器的值大于等于预设的数值阈值,则将跟踪航迹的航迹状态更新为“异常”;
其中,第二类关联簇是与跟踪航迹的距离满足第二距离条件的检测点所属的簇。
在本实施例中,为了降低误判率,可设定“潜在异常”状态对应的潜在异常计数器,若第二聚类及关联结果中存在第二类关联簇,则将“潜在异常”状态对应的潜在异常计数器的值加1,当潜在异常计数器的值超过预设的数值阈值,则将跟踪航迹的航迹状态更新为“异常”。
在一个较佳的实施方式中,特征条件包括:第一类关联簇的尺寸大于第一尺寸阈值或者小于第二尺寸阈值,或者,第一类关联簇对应的多普勒速度均方差大于方差阈值。
在本实施例中,第一尺寸阈值,第二尺寸阈值,方差阈值,可以根据实际的情况调整。
在一个较佳的实施方式中,本发明中的方法还包括:
基于卡尔曼滤波处理方式对运动目标的状态进行更新,其中,增大观测值权重包括通过增大过程噪声协方差的方式增大观测值权重。
在本实施例中,将卡尔曼滤波中的过程噪声协方差增大,以增加观测值对状态更新的影响,从而增大观测值权重,增大倍数为经验参数,一般为100以上。
在一个较佳的实施方式中,本发明中的方法还包括:
在确认航迹状态的类型为“潜在异常”的情况下,针对当前帧的检测点集合基于第一聚类及关联结果以及预设的观测值权重对运动目标的状态进行更新。
在本实施例中,对于“潜在异常”的情况,仍然按照第一聚类以及关联结果,预设的观测值权重进行运动目标的运动状态的更新。
在一个较佳的实施方式中,本发明中的方法还包括:
在确认航迹状态的类型为“潜在异常”或“异常”的情况下,判断当前帧的跟踪航迹的第二类关联簇是否满足预设速度条件,若满足,则将跟踪航迹的航迹状态更新为“正常”。
在本实施例中,为了实现对应运动目标的持续跟踪,在确认航迹状态的类型为“潜在异常”或“异常”的情况下,通过对于第二类关联簇的速度参数进行判断,从而判断是否满足预设速度条件,从而将跟踪航迹的航迹状态更新为“正常”。
在一个较佳的实施方式中,本发明中的方法还包括:
在确认航迹状态的类型为“潜在异常”或“异常”的情况下,判断当前帧的跟踪航迹的第二类关联簇是否满足预设速度条件,若满足,则将正常计数器的值加1;
在正常计数器的值等于设定门限的情况下,将跟踪航迹的航迹状态更新为“正常”。
在本实施例中,为了降低误判率,可设定“正常状态”状态对应的正常计数器,若当前帧的跟踪航迹的第二类关联簇是否满足预设速度条件,则将“正常状态”状态对应的正常计数器的值加1,当正常计数器的值等于设定门限的情况下,则将跟踪航迹的航迹状态更新为“正常”。
在一个较佳的实施方式中,预设速度条件包括:第二类关联簇的多普勒速度协方差小于预设的协方差阈值,且与跟踪航迹的多普勒速度差小于预设的速度阈值。
如图2所示,为本发明一个实施例中的运动目标跟踪方法的逻辑过程图:
对稳定行驶的运动目标形成跟踪航迹,初始化跟踪航迹的航迹状态为“正常”,初始化正常计数器=0,而后判断航迹是否为“异常”;
若为航迹状态为“异常”,则判断当前帧的跟踪航迹的第二类关联簇是否满足预设速度条件,若满足,则将正常计数器的值加1;判断正常计数器的值是否等于预设门限,若是则将跟踪航迹状态更新为“正常”,并基于第一聚类及关联结果以及预设的观测值权重对运动目标的状态进行更新,若否则按照预设的异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果,并增大观测值权重以及基于增大后的观测值权重和第二聚类及关联结果对运动目标的状态进行更新;若当前帧的跟踪航迹的第二类关联簇不满足预设速度条件,则增大观测值权重以及基于增大后的观测值权重和第二聚类及关联结果对运动目标的状态进行更新;
若航迹状态不是“异常”,则根据第一聚类及关联结果判断航迹状态是否为“潜在异常”;
若是“潜在异常”,则按照预设的异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果,并判断第二聚类及关联结果是否存在第二类关联簇,若是,则将潜在异常计数器的值加1,并判断潜在异常计数器的值是否大于等于预设的数值阈值,若是,则航迹状态由“潜在异常”转为“异常”,初始化正常计数器的值=0,潜在异常计数器的值=0,并增大观测值权重以及基于增大后的观测值权重和第二聚类及关联结果对运动目标的状态进行更新;若第二聚类及关联结果,则潜在异常计数器的值为0,此时,基于第一聚类及关联结果以及预设的观测值权重对运动目标的状态进行更新;
若不是“潜在异常”,则说明航迹状态处于“正常”,则基于第一聚类及关联结果以及预设的观测值权重对运动目标的状态进行更新。
在本发明中,经过数据仿真,可以有效的跟踪以下几类运动目标:(1)高速行驶(100km/h)后急刹车的汽车、货车;(2)高速行驶并与道路中大型障碍物(如车辆)发生碰撞、停止的汽车、货车;(3)高速行驶并因道路中大型障碍物(如车辆)而急刹车、绕行的汽车、货车。
如图3所示,本发明还提供了一种运动目标跟踪装置,该装置包括:
跟踪航迹处理单元301,用于根据运动目标针对雷达探测信号反馈的回波信号生成检测点集合,并基于检测点集合建立并维护与、运动目标相关联的跟踪航迹以及、跟踪航迹的航迹状态;
航迹状态确定单元302,用于在跟踪航迹建立完成之后,针对每一帧的检测点集合,按照预设的正常状态聚类和关联条件对检测点集合中的检测点进行聚类和关联以得到第一聚类及关联结果,并根据第一聚类及关联结果确认并更新跟踪航迹的航迹状态的类型;
目标状态更新单元303,用于若当前帧的航迹状态的类型为“正常”,则针对当前帧的检测点集合基于第一聚类及关联结果以及预设的观测值权重对运动目标的状态进行更新;若当前帧的航迹状态为“异常”,则针对当前帧的检测点集合,对跟踪航迹附近的检测点按照预设的异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果,并增大观测值权重以及基于增大后的观测值权重和第二聚类及关联结果对运动目标的状态进行更新,其中,正常状态聚类和关联条件包括与速度相关的参数,异常状态聚类和关联条件不包括与速度相关的参数。
在一个较佳的实施方式中,正常状态聚类和关联条件包括第一距离条件,所述异常状态聚类和关联条件包括第二距离条件,第一距离条件和第二距离条件均包括横纵向距离阈值,径向距离阈值,方位角阈值中的一种或多种。
在一个较佳的实施方式中,航迹状态确定单元302还用于在如下情况下将踪航迹的航迹状态更新为“潜在异常”:
第一聚类及关联结果中不存在第一类关联簇,或者,第一聚类及关联结果中存在第一类关联簇,第一类关联簇的特征不满足特征条件;
其中,第一类关联簇是与跟踪航迹的距离满足第一距离条件的检测点所属的簇。
在一个较佳的实施方式中,目标状态更新单元303还用于在确认航迹状态的类型为“潜在异常”的情况下,针对当前帧的检测点集合,对跟踪航迹附近的检测点按照异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果;
若第二聚类及关联结果中存在第二类关联簇,则将跟踪航迹的航迹状态更新为“异常”;其中,第二类关联簇是与跟踪航迹的距离满足第二距离条件的检测点所属的簇。
在一个较佳的实施方式中,目标状态更新单元303还用于在确认状态的类型为“潜在异常”的情况下,针对当前帧的检测点集合,对跟踪航迹附近的检测点按照异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果;
若第二聚类及关联结果中存在第二类关联簇,则将“潜在异常”状态对应的潜在异常计数器的值加1;
若潜在异常计数器的值大于等于预设的数值阈值,则将跟踪航迹的航迹状态更新为“异常”;
其中,第二类关联簇是与跟踪航迹的距离满足第二距离条件的检测点所属的簇。
在一个较佳的实施方式中,特征条件包括:第一类关联簇的尺寸大于第一尺寸阈值或者小于第二尺寸阈值,或者,第一类关联簇对应的多普勒速度均方差大于方差阈值。
在一个较佳的实施方式中,目标状态更新单元303还用于基于卡尔曼滤波处理方式对运动目标的状态进行更新,其中,增大所述观测值权重包括通过增大过程噪声协方差的方式增大观测值权重。
在一个较佳的实施方式中,目标状态更新单元303还用于在确认航迹状态的类型为“潜在异常”的情况下,针对当前帧的检测点集合基于第一聚类及关联结果以及预设的观测值权重对运动目标的状态进行更新。
在一个较佳的实施方式中,目标状态更新单元303还用于在确认航迹状态的类型为“潜在异常”或“异常”的情况下,判断当前帧的跟踪航迹的第二类关联簇是否满足预设速度条件,若满足,则将跟踪航迹的航迹状态更新为“正常”。
在一个较佳的实施方式中,目标状态更新单元303还用于在确认航迹状态的类型为“潜在异常”或“异常”的情况下,判断当前帧的跟踪航迹的第二类关联簇是否满足预设速度条件,若满足,则将正常计数器的值加1;
在正常计数器的值等于设定门限的情况下,将跟踪航迹的航迹状态更新为“正常”。
在一个较佳的实施方式中,预设速度条件包括:第二类关联簇的多普勒速度协方差小于预设的协方差阈值,且与跟踪航迹的多普勒速度差小于预设的速度阈值。
本发明中的运动目标跟踪装置与运动目标跟踪方法对应,能够实现运动目标跟踪方法的所有有益效果,在此不再赘述。
本发明还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可处理器上运行的计算机程序,其特征在于,处理器执行所述程序时实现运动目标跟踪方法。
本发明还提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现运动目标跟踪方法。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
综上所述,虽然本发明已以优选实施例揭露如上,但上述优选实施例并非用以限制本发明,本领域的普通技术人员,在不脱离本发明的精神和范围内,均可作各种更动与润饰,因此本发明的保护范围以权利要求界定的范围为准。
Claims (14)
1.一种运动目标跟踪方法,其特征在于,所述方法包括:
根据所述运动目标针对雷达探测信号反馈的回波信号生成检测点集合,并基于所述检测点集合建立并维护与所述运动目标相关联的跟踪航迹以及所述跟踪航迹的航迹状态;
在所述跟踪航迹建立完成之后,针对每一帧的检测点集合,按照预设的正常状态聚类和关联条件对所述检测点集合中的检测点进行聚类和关联以得到第一聚类及关联结果,并根据所述第一聚类及关联结果确认所述跟踪航迹的航迹状态的类型;
若当前帧的所述航迹状态的类型为“正常”,则针对当前帧的检测点集合基于所述第一聚类及关联结果以及预设的观测值权重对所述运动目标的状态进行更新;若当前帧的所述航迹状态为“异常”,则针对当前帧的检测点集合,对所述跟踪航迹附近的检测点按照预设的异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果,并增大所述观测值权重以及基于增大后的观测值权重和所述第二聚类及关联结果对所述运动目标的状态进行更新,其中,所述正常状态聚类和关联条件包括与速度相关的参数,所述异常状态聚类和关联条件不包括与速度相关的参数。
2.如权利要求1所述的方法,其特征在于,所述正常状态聚类和关联条件包括第一距离条件,所述异常状态聚类和关联条件包括第二距离条件,所述第一距离条件和所述第二距离条件均包括横纵向距离阈值,径向距离阈值,方位角阈值中的一种或多种。
3.如权利要求2所述的方法,其特征在于,所述针对每一帧的检测点集合,按照预设的正常状态聚类和关联条件对所述检测点集合中的检测点进行聚类和关联以得到第一聚类及关联结果,并根据所述第一聚类及关联结果确认并更新所述跟踪航迹的航迹状态的类型还包括:
若当前帧的存在以下情况则将所述航迹状态更新为“潜在异常”:
所述第一聚类及关联结果中不存在第一类关联簇,或者,所述第一聚类及关联结果中存在第一类关联簇,所述第一类关联簇的特征不满足特征条件;
其中,所述第一类关联簇是与所述跟踪航迹的距离满足所述第一距离条件的检测点所属的簇。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
在确认所述航迹状态的类型为“潜在异常”的情况下,针对当前帧的检测点集合,对所述跟踪航迹附近的检测点按照所述异常状态聚类和关联条件再次进行聚类和关联以得到所述第二聚类及关联结果;
若所述第二聚类及关联结果中存在第二类关联簇,则将所述跟踪航迹的航迹状态更新为“异常”;其中,所述第二类关联簇是与所述跟踪航迹的距离满足所述第二距离条件的检测点所属的簇。
5.如权利要求3所述的方法,其特征在于,所述方法还包括:
在确认所述航迹状态的类型为“潜在异常”的情况下,针对当前帧的检测点集合,对所述跟踪航迹附近的检测点按照所述异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果;
若所述第二聚类及关联结果中存在第二类关联簇,则将“潜在异常”状态对应的潜在异常计数器的值加1;
若所述潜在异常计数器的值大于等于预设的数值阈值,则将所述跟踪航迹的航迹状态更新为“异常”;
其中,所述第二类关联簇是与所述跟踪航迹的距离满足所述第二距离条件的检测点所属的簇。
6.如权利要求3所述的方法,其特征在于,所述特征条件包括:所述第一类关联簇的尺寸大于第一尺寸阈值或者小于第二尺寸阈值,或者,所述第一类关联簇对应的多普勒速度均方差大于方差阈值。
7.如权利要求1至6中任一项所述的方法,其特征在于,所述方法还包括:
基于卡尔曼滤波处理方式对所述运动目标的状态进行更新,其中,所述增大所述观测值权重包括通过增大过程噪声协方差的方式增大所述观测值权重。
8.如权利要求4或5所述的方法,其特征在于,所述方法还包括:
在确认所述航迹状态的类型为“潜在异常”的情况下,针对当前帧的检测点集合基于所述第一聚类及关联结果以及预设的观测值权重对所述运动目标的状态进行更新。
9.如权利要求3所述的方法,其特征在于,所述方法还包括:
在确认所述航迹状态的类型为“潜在异常”或“异常”的情况下,判断当前帧的跟踪航迹的第二类关联簇是否满足预设速度条件,若满足,则将所述跟踪航迹的航迹状态更新为“正常”。
10.如权利要求3所述的方法,其特征在于,所述方法还包括:
在确认所述航迹状态的类型为“潜在异常”或“异常”的情况下,判断当前帧的跟踪航迹的第二类关联簇是否满足预设速度条件,若满足,则将正常计数器的值加1;
在所述正常计数器的值等于设定门限的情况下,将所述跟踪航迹的航迹状态更新为“正常”。
11.如权利要求9或10所述的方法,其特征在于,所述预设速度条件包括:所述第二类关联簇的多普勒速度协方差小于预设的协方差阈值,且与所述跟踪航迹的多普勒速度差小于预设的速度阈值。
12.一种运动目标跟踪装置,其特征在于,所述装置包括:
跟踪航迹处理单元,用于根据所述运动目标针对雷达探测信号反馈的回波信号生成检测点集合,并基于所述检测点集合建立并维护与所述运动目标相关联的跟踪航迹以及所述跟踪航迹的航迹状态;
航迹状态确定单元,用于在所述跟踪航迹建立完成之后,针对每一帧的检测点集合,按照预设的正常状态聚类和关联条件对所述检测点集合中的检测点进行聚类和关联以得到第一聚类及关联结果,并根据所述第一聚类及关联结果确认并更新所述跟踪航迹的航迹状态的类型;
目标状态更新单元,用于若当前帧的所述航迹状态的类型为“正常”,则针对当前帧的检测点集合基于所述第一聚类及关联结果以及预设的观测值权重对所述运动目标的状态进行更新;若当前帧的所述航迹状态为“异常”,则针对当前帧的检测点集合,对所述跟踪航迹附近的检测点按照预设的异常状态聚类和关联条件再次进行聚类和关联以得到第二聚类及关联结果,并增大所述观测值权重以及基于增大后的观测值权重和所述第二聚类及关联结果对所述运动目标的状态进行更新,其中,所述正常状态聚类和关联条件包括与速度相关的参数,所述异常状态聚类和关联条件不包括与速度相关的参数。
13.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至11中任一项所述的运动目标跟踪方法。
14.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至11中任一项所述的运动目标跟踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210610106.8A CN114690176B (zh) | 2022-06-01 | 2022-06-01 | 运动目标跟踪方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210610106.8A CN114690176B (zh) | 2022-06-01 | 2022-06-01 | 运动目标跟踪方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114690176A true CN114690176A (zh) | 2022-07-01 |
CN114690176B CN114690176B (zh) | 2022-09-02 |
Family
ID=82131231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210610106.8A Active CN114690176B (zh) | 2022-06-01 | 2022-06-01 | 运动目标跟踪方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114690176B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103064086A (zh) * | 2012-11-04 | 2013-04-24 | 北京工业大学 | 一种基于深度信息的车辆跟踪方法 |
CN103926583A (zh) * | 2014-05-04 | 2014-07-16 | 中国人民解放军空军预警学院监控系统工程研究所 | 一种岸基近程雷达自动跟踪处理方法及计算机 |
US8934055B1 (en) * | 2013-06-14 | 2015-01-13 | Pixelworks, Inc. | Clustering based motion layer detection |
CN108139757A (zh) * | 2015-09-11 | 2018-06-08 | 深圳市大疆创新科技有限公司 | 用于检测和跟踪可移动物体的系统和方法 |
CN110673130A (zh) * | 2019-09-12 | 2020-01-10 | 西安电子科技大学 | 一种基于航迹关联的运动目标航迹跟踪方法 |
CN111123255A (zh) * | 2019-12-13 | 2020-05-08 | 意诺科技有限公司 | 对活动目标进行定位的方法、装置及系统 |
KR102161147B1 (ko) * | 2019-10-31 | 2020-09-29 | 한국해양과학기술원 | 이상운항 선박 식별 장치 및 방법 |
CN113740836A (zh) * | 2021-07-31 | 2021-12-03 | 南京市德赛西威汽车电子有限公司 | 一种基于毫米波雷达的静止目标跟踪优化方法 |
CN114373154A (zh) * | 2022-01-13 | 2022-04-19 | 南京航空航天大学 | 密集人群场景下多目标跟踪的外观特征更新方法及系统 |
-
2022
- 2022-06-01 CN CN202210610106.8A patent/CN114690176B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103064086A (zh) * | 2012-11-04 | 2013-04-24 | 北京工业大学 | 一种基于深度信息的车辆跟踪方法 |
US8934055B1 (en) * | 2013-06-14 | 2015-01-13 | Pixelworks, Inc. | Clustering based motion layer detection |
CN103926583A (zh) * | 2014-05-04 | 2014-07-16 | 中国人民解放军空军预警学院监控系统工程研究所 | 一种岸基近程雷达自动跟踪处理方法及计算机 |
CN108139757A (zh) * | 2015-09-11 | 2018-06-08 | 深圳市大疆创新科技有限公司 | 用于检测和跟踪可移动物体的系统和方法 |
CN110673130A (zh) * | 2019-09-12 | 2020-01-10 | 西安电子科技大学 | 一种基于航迹关联的运动目标航迹跟踪方法 |
KR102161147B1 (ko) * | 2019-10-31 | 2020-09-29 | 한국해양과학기술원 | 이상운항 선박 식별 장치 및 방법 |
CN111123255A (zh) * | 2019-12-13 | 2020-05-08 | 意诺科技有限公司 | 对活动目标进行定位的方法、装置及系统 |
CN113740836A (zh) * | 2021-07-31 | 2021-12-03 | 南京市德赛西威汽车电子有限公司 | 一种基于毫米波雷达的静止目标跟踪优化方法 |
CN114373154A (zh) * | 2022-01-13 | 2022-04-19 | 南京航空航天大学 | 密集人群场景下多目标跟踪的外观特征更新方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114690176B (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8781688B2 (en) | Method and system for combining sensor data | |
CN106428001B (zh) | 一种用于车辆的变道预警方法及系统 | |
US6813562B2 (en) | Threat assessment algorithm for forward collision warning | |
Lytrivis et al. | An advanced cooperative path prediction algorithm for safety applications in vehicular networks | |
US8731742B2 (en) | Target vehicle movement classification | |
CN111798700B (zh) | 盲区监测报警方法和装置 | |
CN112526521A (zh) | 一种汽车毫米波防撞雷达的多目标跟踪方法 | |
US20190041497A1 (en) | Controller using map attributes to qualify radar returns | |
CN110007305A (zh) | 车辆前方目标确定方法、装置、服务器及存储介质 | |
CN112116809A (zh) | 基于v2x技术的非视距车辆防碰撞方法及装置 | |
CN115092131A (zh) | 一种车辆巡航系统及方法 | |
Yang et al. | Intelligent algorithm based on support vector data description for automotive collision avoidance system | |
CN114690176B (zh) | 运动目标跟踪方法、装置、电子设备及存储介质 | |
CN108520639A (zh) | 一种防止车辆碰撞的预警方法及系统 | |
CN112346080A (zh) | 一种基于单线激光雷达的自适应避障方法 | |
CN113370973B (zh) | 一种考虑前车驾驶意图预测的前向碰撞预警算法 | |
CN114523978B (zh) | 一种后方道路模型生成方法及装置 | |
CN111731285B (zh) | 基于v2x技术的车辆防碰撞方法及装置 | |
Wassouf et al. | Decision Making for Advanced Driver Assistance Systems for Public Transport | |
CN111522001A (zh) | 一种汽车测速方法、汽车雷达以及汽车 | |
Wendi et al. | Risk assessment method combining trajectory prediction and lateral obstacle monitoring | |
CN115206053B (zh) | 一种低虚警率的高速公路施工区预警方法 | |
CN114523902B (zh) | 一种前车开门场景的碰撞预警方法及系统 | |
CN114758526B (zh) | 基于车联网大数据的避障方法、装置及存储介质 | |
RU2806452C1 (ru) | Устройство и способ для определения объектов |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |