多目标跟踪技术在航空航天、军事防卫、机器人等领域具有重要的应用价值。基于随机有限集理论的多目标跟踪方法,能够避免数据关联步骤的困扰,能够较好地解决复杂环境中目标数目未知且随时间变化的多目标跟踪问题,已成为近年来国际上研究的热点。项目针对基于随机有限集理论的多目标跟踪方法中的若干关键问题展开研究,致力于提高多目标跟踪的有效性。首先,研究复杂条件下更准确的目标状态提取方法。在跟踪过程中对目标进行标定,形成多目标航迹,利用已经形成的航迹信息重新设计目标状态提取算法,以获得更有效的目标状态估计方法。其次,对多目标跟踪场景进行研究,寻找目标跟踪系统中惯有的约束关系,并在滤波过程中加以合理利用,进一步提高滤波的精度,从而提高目标跟踪的精度。此外,考虑到信号采集过程中存在同一目标持续多步漏检的情况,研究一般意义下的航迹关联技术。通过本项目研究,可以丰富和补充多目标跟踪方法的实现途径和理论体系。
英文主题词random finite set;probability hypothesis density filter;target tracking;state estimation;information fusion