基于最大期望算法的多傳感器多目標(biāo)跟蹤研究

傳統(tǒng)上人們一般將數(shù)據(jù)配準(zhǔn)、數(shù)據(jù)關(guān)聯(lián)和數(shù)據(jù)融合三者分開研究，或者是將航跡配準(zhǔn)、航跡關(guān)聯(lián)和航跡融合三者分開研究，但實(shí)際上它們是相互影響的：數(shù)據(jù)配準(zhǔn)需要正確關(guān)聯(lián)了的多傳感器數(shù)據(jù)而存在配準(zhǔn)誤差的多傳感器數(shù)據(jù)又會(huì)增加錯(cuò)誤關(guān)聯(lián)的概率，它們都會(huì)對(duì)數(shù)據(jù)融合的性能產(chǎn)生影響；同樣航跡配準(zhǔn)需要正確關(guān)聯(lián)了的局部航跡而存在配準(zhǔn)誤差的局部航跡又會(huì)增加錯(cuò)誤關(guān)聯(lián)的概率，它們都會(huì)對(duì)航跡融合的性能產(chǎn)生影響。本課題將配準(zhǔn)、關(guān)聯(lián)和融合作為一個(gè)整體來(lái)處理，針對(duì)采用集中式信息融合的多傳感器多目標(biāo)跟蹤系統(tǒng)提出基于最大期望算法的聯(lián)合數(shù)據(jù)配準(zhǔn)、關(guān)聯(lián)和融合方法，以及針對(duì)采用分布式信息融合的多傳感器多目標(biāo)跟蹤系統(tǒng)提出基于最大期望算法的聯(lián)合航跡配準(zhǔn)、關(guān)聯(lián)和融合方法。本課題的主要成果有：提出了基于最大期望算法和Kalman濾波算法的聯(lián)合數(shù)據(jù)關(guān)聯(lián)、配準(zhǔn)與融合算法；提出了基于最大期望算法和狀態(tài)融合理論的聯(lián)合航跡關(guān)聯(lián)、配準(zhǔn)與融合算法；分析了聯(lián)合數(shù)據(jù)配準(zhǔn)、關(guān)聯(lián)和融合算法的收斂性問(wèn)題并對(duì)算法性能進(jìn)行了分析比較；以雷達(dá)與電子支援措施(Electronic Support Measure)兩種傳感器為例，提出了基于最大期望和固定滯后Kalman平滑器（Fixed-Lag Kalman Smoother）的在線聯(lián)合配準(zhǔn)與融合算法；研究了一類非線性非高斯系統(tǒng)的濾波問(wèn)題，在分析均差濾波算法和高斯和濾波算法的基礎(chǔ)上，提出了一種基于均差濾波的高斯和濾波算法；對(duì)目標(biāo)跟蹤及濾波估計(jì)理論在圖像處理、信號(hào)處理方面的實(shí)際應(yīng)用作了研究。

本課題擬針對(duì)采用集中式信息融合的多傳感器多目標(biāo)跟蹤系統(tǒng)提出基于最大期望算法的聯(lián)合數(shù)據(jù)配準(zhǔn)、關(guān)聯(lián)和融合算法,以及針對(duì)采用分布式信息融合的多傳感器多目標(biāo)跟蹤系統(tǒng)提出基于最大期望算法的聯(lián)合航跡配準(zhǔn)、關(guān)聯(lián)和融合算法。傳統(tǒng)上人們一般將數(shù)據(jù)配準(zhǔn)、數(shù)據(jù)關(guān)聯(lián)和數(shù)據(jù)融合三者分開研究，或者是將航跡配準(zhǔn)、航跡關(guān)聯(lián)和航跡融合三者分開研究，但實(shí)際上它們是相互影響的：數(shù)據(jù)配準(zhǔn)需要正確關(guān)聯(lián)了的多傳感器數(shù)據(jù)而存在配準(zhǔn)誤差的多傳感器數(shù)據(jù)又會(huì)增加錯(cuò)誤關(guān)聯(lián)的概率，它們都會(huì)對(duì)數(shù)據(jù)融合的性能產(chǎn)生影響；同樣航跡配準(zhǔn)需要正確關(guān)聯(lián)了的局部航跡而存在配準(zhǔn)誤差的局部航跡又會(huì)增加錯(cuò)誤關(guān)聯(lián)的概率，它們都會(huì)對(duì)航跡融合的性能產(chǎn)生影響。本課題將它們作為一個(gè)整體研究從而解決傳統(tǒng)上將它們分開研究和工程實(shí)現(xiàn)的弊端，因考慮了它們之間的相互聯(lián)系和相互影響，我們能大大提高多傳感器多目標(biāo)跟蹤的精度，從而可提高軍事和民用領(lǐng)域?qū)δ繕?biāo)監(jiān)視和跟蹤的能力。

在跟蹤過(guò)程中，目標(biāo)形態(tài)的變化、遮擋的存在、復(fù)雜的環(huán)境制約及運(yùn)動(dòng)的相互影響等使得多運(yùn)動(dòng)目標(biāo)跟蹤變得非常困難。本項(xiàng)目針對(duì)現(xiàn)有方法在復(fù)雜背景及運(yùn)動(dòng)應(yīng)用中所存在的跟蹤失效問(wèn)題，對(duì)基于半監(jiān)督學(xué)習(xí)和交互模型的多目標(biāo)跟蹤方法進(jìn)行研究。研究?jī)?nèi)容包括：1)提出了基于半監(jiān)督CovBoosting的單目標(biāo)跟蹤及多目標(biāo)跟蹤方法，有效應(yīng)對(duì)了跟蹤視頻中表觀及背景漸變帶來(lái)的挑戰(zhàn)；2)提出了基于交互模型的多目標(biāo)跟蹤方法，包括如何估計(jì)目標(biāo)的運(yùn)動(dòng)趨勢(shì)，怎樣度量軌跡的運(yùn)動(dòng)相似性，如何挖掘場(chǎng)景中的結(jié)構(gòu)信息來(lái)改善跟蹤性能，有效解決了跟蹤過(guò)程中目標(biāo)運(yùn)動(dòng)復(fù)雜這一難題；3)提出了基于表觀重構(gòu)誤差預(yù)測(cè)的跟蹤方法，包括如何中跟蹤過(guò)程中，構(gòu)建反應(yīng)目標(biāo)運(yùn)動(dòng)及上下文信息的特征，預(yù)測(cè)目標(biāo)的在學(xué)習(xí)到的生成空間中的重構(gòu)誤差的變化，以適應(yīng)目標(biāo)和背景表觀的變化。課題組的研究成果發(fā)表在相關(guān)的國(guó)際期刊和會(huì)議上，已發(fā)表學(xué)術(shù)論文16篇，其中包括IEEE Trans在內(nèi)的國(guó)際期刊10篇，國(guó)際會(huì)議6篇，培養(yǎng)研究生6名。

多目標(biāo)跟蹤技術(shù)是計(jì)算機(jī)視覺、圖像理解領(lǐng)域的核心研究之一,其在視頻監(jiān)控、視頻分析及檢索、運(yùn)動(dòng)分析及合成等領(lǐng)域發(fā)揮了重要作用。由于在跟蹤過(guò)程中，目標(biāo)形態(tài)的變化、遮擋的存在、復(fù)雜的環(huán)境制約及運(yùn)動(dòng)的相互影響等使得對(duì)多運(yùn)動(dòng)目標(biāo)的跟蹤變得更加困難。在本研究中，申請(qǐng)人擬采用交互模型來(lái)對(duì)目標(biāo)的運(yùn)動(dòng)進(jìn)行預(yù)測(cè)，并通過(guò)半監(jiān)督的在線學(xué)習(xí)方法進(jìn)行自適應(yīng)特征選擇，實(shí)現(xiàn)對(duì)多目標(biāo)的實(shí)時(shí)魯棒跟蹤。首先，使用交互模型可以對(duì)多目標(biāo)的運(yùn)動(dòng)提供較為準(zhǔn)確的估計(jì)；其次，通過(guò)在線特征選擇和遮擋分析為跟蹤目標(biāo)構(gòu)建具有自適應(yīng)性的表觀模型；然后，在跟蹤過(guò)程中將交互模型與基于半監(jiān)督CovBoost的在線特征選擇、在線隨機(jī)森林遮擋判別分析器結(jié)合起來(lái)，提出一種基于交互模型和在線特征選擇的多目標(biāo)跟蹤器，將跟蹤中的關(guān)鍵問(wèn)題（運(yùn)動(dòng)建模和表觀建模）統(tǒng)一到一個(gè)多目標(biāo)跟蹤框架下；最后實(shí)現(xiàn)實(shí)時(shí)準(zhǔn)確的多目標(biāo)跟蹤，并嘗試拓展到視頻監(jiān)控、智能交通等實(shí)際社會(huì)民生應(yīng)用中。

仿真過(guò)程中，固定平臺(tái)Y軸，X和z軸運(yùn)動(dòng)，期望Z軸在X，Z平面上運(yùn)動(dòng)軌跡為

從仿真結(jié)果我們可以看出，模糊CMAC作用力跟蹤阻抗控制器能補(bǔ)償平臺(tái)動(dòng)力學(xué)上的不確定性，基于位置阻抗控制的性能稍微優(yōu)于基于力矩阻抗控制。為了進(jìn)行仿真比較，我們用CMAC代替FCMAC進(jìn)行仿真，固定y軸，X和z軸運(yùn)動(dòng)，期望z軸在x和Z平面上運(yùn)動(dòng)軌跡為

從仿真結(jié)果我們可以看出，F(xiàn)CMAC性能優(yōu)于CMAC，基于位置阻抗控制的性能稍微優(yōu)于基于力矩阻抗控制。另外，由于基于位置的阻抗控制方案無(wú)需改變內(nèi)部的控制結(jié)構(gòu)便可使位置控制平臺(tái)系統(tǒng)實(shí)現(xiàn)魯棒性作用力控制。