基于一维距离像的地面运动目标特征辅助跟踪算法综述.pdfVIP

126 4．信息获取与处理技术 三、利用一维距离像辅助跟踪算法 国外一些实验室和人学对HRR像的特征辅助烈踪作丫深入的研究，挺jI；利用HRR像4iM特征进行辅助 跟踪的几种方法． 1．信号辅助跟踪算法¨， 荧罔林肖实验室挺{f；一种竹吁辅助跟踪(signature-aidedtracking，SAT)算法．儡呼辅助跟踪方法利用前后 时刻连续榆测褂到的HRR像之问的栩似度，没有关于I：l标身份、类型的信息．SAT解决这样的问题，当前时 刻．‘，前一时刻的H标HRR像足俞相似，判断两时刻日标足胥为I川一日标，进lIIf判断H标与航迹足香关联。 别由两像之问的均方误差值(mean 实．米自州一目标，那它们的HRR像之问的差异将小于航迹和观测米臼小删日标的情况． 任取米白M目标，姿态角之问差异较小的训练样奉HRR像。计算MSE值，得到人量匹配统计数据：任 取来自4i删日标的训练样本HRR像。计算MSE值，得到不匹配统计数据．利用匹配和小匹配统计数据。可 越人，俯吁值也越人． 对假定的航迹．脱测对．利用目标颅测位鼹和扶僻的观测计算统计距离．统计距离越小，表白：航迹’j观测 米自删一目标的町能性越人。 闪为HRR像对口标姿态角1F常敏感，洲此替姿态角改变过人，将导致I：1标特异性的损失，HRR像之问 的相似住较差．判断前后婀时刎H标姿态角改变足台超过某--fl限值．若姿态角改变人于此门限值，则小考 虑目标HRR像特钲，只利用运动学特征；若姿态角改变小十此门限值。则利用航迹和观测HRR像的MSE值， 得到两HRR像之问的信吁值．f；．『吁值越小．航迹．‘j观测米自问一目标的町能性越人． 航迹．观测对的统计距离1j竹瞥值之和称为此航迹．观测对的关联值．利用优化算法，可得到最佳航迹．观 测匹影对，从1fl『确定所跟日标午辆。 对一1．：文挺到第一种可能lII现错误关联的情况。如果仅利用运动学龠息，由于两H标位置较接近，；11现错 误关联的概率为21％：利用SAT算法，jl}现错误关联的概_率减小为9％．由此说明SAT算法可解决运动学 模糊闷题，提高跟踪正确率． ． 此方法缺点在于HRR像对日标姿态角非常敏感。稳定性较差．若前后时刻目标姿态角改变超过某特定角 度范围，将导致目标特异性的损失，无法利用1e特征． 2．分类辅助跟踪算法Ⅲ 分类辅助_I!}{踪(classification．aided 跟踪器解决运动学模糊问题．它利用当前观测和已存在航迹的身份(ID)之问的相似度，即如果航迹和观测 身份是相似的，则航迹和观测关联的可能性较人．与SAT算法不同，CAT算法涉及目标类望。利用航迹身份 和目标身份之间相似度米计算分类值． CAT算法中，已知对目标航迹身份的估计，即知道航迹身份的先验侪息．航迹先验信息由分类矢量来表 征，它的每一个元素为航迹属于某类日标的慨牢．与SAT算法相同．对于某航迹．观测对，利用脱测更新目标 航迹，得到航迹更新后的姿态角．将观测的HRR像与每类目标模板库中角度最接近航迹更新姿态角的HRR 分类器，可得到此观测属于备类目标的概率． 此时。已获得每条航迹属于各类目标的先验概率，即航迹的身份信息：同时知道每个观测属于各类目标 的概率．即观测的身份信息．由此可获得航迹和观测来自同一目标的概率．概率值越大．则表咧航迹，观测 关联可能性越大．利用此关联概率，可得到分类值．分类值越小，表明航遮，观测HRR像之问的差异越小， 则此航迹．观测关联可能性越大．． 利用统计距离和分类值，即可得到此航：i疰．观测对的关联值．关联值越小，表明航迹．观测关联可能性越大． 根据优化算法，得到最佳航迹．观测匹配对，从而确定所耀目标车辆． 利用CAT算法进行跟踪。可有效提高跟踪性能．如上文提到的交叉路口出现关联错误问题。仅利用运动 学信息进行跟踪，当到达路口时，选择正确路径的概率仅为20％；而利用CAT算法，正确率提高到100％． 全固第：嚣主帚姜≯联合貅～媳 饼 III illi曼量曼!璺量量皇量皇曼鼍鼍皇皇曼量 CAT算法利用已存储模板进行识别和躐踪．胤踪棒能娃箸挺高．但若航迹姿态角估计误差较人·使得观 于