李鹏 张骏男 陈澄 赵琦 王文慧

江苏理工学院 计算机工程学院 江苏 常州 213001

引言

多目标跟踪旨在存在杂波干扰和漏检的复杂环境下，对数量未知的目标进行跟踪并有效估计其状态，目前以应用于导航、定位、无人驾驶等多个前沿领域。

随机有限集（RFS）理论最早由Mahler提出，是目前目标跟踪领域较为经典的数学模型。该理论用数学模型描述了量测产生的过程，认为量测在空间分布上服从某个特定分布，只要对目标的状态空间进行求解就可以得到目标的状态信息。基于该理论的主要数学框架包括PHD[1]和CPHD[3]等，给出了求解目标状态空间的数学形式，但由于该数学形式很难直接求解，因此无法应用于实际。为了将数学框架付诸应用，Vo等人提出了GM-PHD[2]跟踪算法，用高斯混合方法拟合状态空间的复杂分布，可以用较小的计算代价获得较好的跟踪结果。算法假设每个目标每帧最多产生一个量测，每个目标的量测相互独立，量测在空间上服从高斯分布。对每个量测进行多假设跟踪，根据高斯分布计算假设权重，则可根据权重删减、提取目标状态，得到最终跟踪结果。然而，目标紧邻时多个目标的量测彼此靠近，导致算法难以正确地估计目标真实状态，使跟踪效果明显下降，是多目标跟踪领域的难点。

针对以上问题，提出一种改进的GM-PHD跟踪算法。首先，基于高斯分量标签技术[4]对GM-PHD进行轨迹关联，对每个高斯分量添加一个独立标签，标签随跟踪过程不断更新，最终生成每个目标的航行轨迹。……