-
公开(公告)号：CN117665795B
公开(公告)日：2024-10-29
申请号：CN202311672047.8
申请日：2023-12-07
Applicant: 兰州理工大学
IPC: G01S13/72 , G06F30/20 , G01S13/58 , G01S7/41 , G06F119/02
Abstract: 本发明公开了一种基于轨迹集的泊松多伯努利多扩展目标跟踪方法，包括：基于轨迹有限集对若干个目标在空间中的运动轨迹进行建模，并对接收到的传感器量测集进行划分；利用随机矩阵对多扩展目标状态进行建模，然后分别进行多扩展目标轨迹预测、多扩展目标轨迹更新、多扩展目标状态修剪合并后，提取轨迹状态并输出跟踪结果；判断是否接收到新的量测集，若是，继续对量测集进行划分，迭代预测和更新多扩展目标的轨迹状态并输出跟踪结果；若否，结束轨迹算法。本发明可以完整的跟踪目标运动轨迹，极大的简化了计算量，有效的提高了该发明方法的运行速度，很好的跟踪了目标的扩展形状轮廓。
-
公开(公告)号：CN117788511B
公开(公告)日：2024-06-25
申请号：CN202311800574.2
申请日：2023-12-26
Applicant: 兰州理工大学
IPC: G06T7/20 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度神经网络的多扩展目标跟踪方法，所属技术领域为多扩展目标跟踪领域，包括：构建卡尔曼滤波器和LSTM网络架构，基于所述卡尔曼滤波器和LSTM网络架构构建深度关联多目标跟踪网络结构；基于所述深度关联多目标跟踪网络结构进行目标跟踪，获得目标关联概率，基于所述目标关联概率获得多目标跟踪结果；将目标的量测转化为双通道图像，构建CNN网络模型对所述双通道图像进行椭圆形状估计，获得椭圆长短半轴的预测结果；基于所述多目标跟踪结果和所述椭圆长短半轴的预测结果生成多扩展目标跟踪结果。本专利中运用LSTM神经网络对多目标的数据关联问题进行处理，可以有效的解决多目标跟踪的数据关联问题。
-
公开(公告)号：CN117788511A
公开(公告)日：2024-03-29
申请号：CN202311800574.2
申请日：2023-12-26
Applicant: 兰州理工大学
IPC: G06T7/20 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度神经网络的多扩展目标跟踪方法，所属技术领域为多扩展目标跟踪领域，包括：构建卡尔曼滤波器和LSTM网络架构，基于所述卡尔曼滤波器和LSTM网络架构构建深度关联多目标跟踪网络结构；基于所述深度关联多目标跟踪网络结构进行目标跟踪，获得目标关联概率，基于所述目标关联概率获得多目标跟踪结果；将目标的量测转化为双通道图像，构建CNN网络模型对所述双通道图像进行椭圆形状估计，获得椭圆长短半轴的预测结果；基于所述多目标跟踪结果和所述椭圆长短半轴的预测结果生成多扩展目标跟踪结果。本专利中运用LSTM神经网络对多目标的数据关联问题进行处理，可以有效的解决多目标跟踪的数据关联问题。
-
公开(公告)号：CN119251254A
公开(公告)日：2025-01-03
申请号：CN202411363785.9
申请日：2024-09-28
Applicant: 兰州理工大学
Abstract: 本发明公开了基于非平稳异常噪声环境下的扩展目标跟踪方法，包括：S1、对目标的运动状态和扩展状态进行初始化，获得状态的初始化信息；S2、根据所述状态的初始化信息，获得目标的量测模型；S3、将所述目标的量测模型和运动状态模型为GSTM分布，通过引入伯努利变量，将目标状态一步预测密度和量测似然函数，构建分层高斯状态空间模型；S4、基于所述分层高斯状态空间模型，对目标的运动状态和扩展状态进行预测更新；S5、通过变分贝叶斯方法对目标状态参数量测更新，判断是否继续跟踪，继续跟踪则返回S4，反之则完成扩展目标跟踪。本发明有效解决了在复杂噪声环境中对扩展目标跟踪效果较差的问题，具有更强的鲁棒性和适应性。
-
公开(公告)号：CN117872349B
公开(公告)日：2024-06-21
申请号：CN202410112454.1
申请日：2024-01-26
Applicant: 兰州理工大学
IPC: G01S13/72 , G06N3/0455 , G06N3/0464 , G06N7/01 , G01S13/66 , G01S7/41
Abstract: 本发明公开了一种机动扩展目标跟踪方法及系统，方法包括：设定扩展目标的初始运动状态参数和形状参数；收集量测数据，基于量测数据建立量测信息模型；基于初始化运动状态参数建立扩展目标的运动模型，利用TFMTT模型计算运动模型的状态转移矩阵；基于状态转移矩阵和量测信息模型，结合容积卡尔曼滤波对目标状态进行更新，得到扩展的目标位置信息；利用alpha‑shape算法基于形状参数获取扩展目标的大致轮廓，结合形状滤波器得到扩展目标的目标形状信息；基于目标位置信息和目标形状信息进行位置匹配，完成目标跟踪。本发明能够对复杂环境下的机动扩展目标进行形态和状态的准确估计，并且使的估计的准确率得到有效提升。
-
Patent Agency Ranking
公开(公告)号：CN119106334A
公开(公告)日：2024-12-10
申请号：CN202411219117.9
申请日：2024-09-02
Applicant: 兰州理工大学
IPC: G06F18/241 , G01S13/66 , G06N3/0455 , G06N3/048 , G06N3/0499
Abstract: 本发明公开了一种多目标跟踪滤波方法和装置，包括以下步骤：获取目标的量测数据，将所述量测数据输入到训练后的多目标跟踪模型中，基于编码器对所述量测数据进行特征提取，生成量测数据改进表示；将跟踪查询和检测查询级联输入到解码器中，对所述量测数据改进表示进行处理，获得查询向量；基于解码器对所述查询向量进行软数据关联，获得解码结果；将所述解码结果输入到预测器和分类器中进行处理，生成每个时间窗口的状态预测结果；基于QTM模块在跨帧目标对齐机制下处理所有时间窗口的状态预测结果，获得所有时间窗口的多目标跟踪查询结果，生成目标运动轨迹。本发明的多目标跟踪滤波方法提高了多目标长时跟踪精度，并且能够生成预测轨迹。
-
公开(公告)号：CN117665795A
公开(公告)日：2024-03-08
申请号：CN202311672047.8
申请日：2023-12-07
Applicant: 兰州理工大学
IPC: G01S13/72 , G06F30/20 , G01S13/58 , G01S7/41 , G06F119/02
Abstract: 本发明公开了一种基于轨迹集的泊松多伯努利多扩展目标跟踪方法，包括：基于轨迹有限集对若干个目标在空间中的运动轨迹进行建模，并对接收到的传感器量测集进行划分；利用随机矩阵对多扩展目标状态进行建模，然后分别进行多扩展目标轨迹预测、多扩展目标轨迹更新、多扩展目标状态修剪合并后，提取轨迹状态并输出跟踪结果；判断是否接收到新的量测集，若是，继续对量测集进行划分，迭代预测和更新多扩展目标的轨迹状态并输出跟踪结果；若否，结束轨迹算法。本发明可以完整的跟踪目标运动轨迹，极大的简化了计算量，有效的提高了该发明方法的运行速度，很好的跟踪了目标的扩展形状轮廓。
-
公开(公告)号：CN119106334B
公开(公告)日：2025-04-08
申请号：CN202411219117.9
申请日：2024-09-02
Applicant: 兰州理工大学
IPC: G06F18/241 , G01S13/66 , G06N3/0455 , G06N3/048 , G06N3/0499
Abstract: 本发明公开了一种多目标跟踪滤波方法和装置，包括以下步骤：获取目标的量测数据，将所述量测数据输入到训练后的多目标跟踪模型中，基于编码器对所述量测数据进行特征提取，生成量测数据改进表示；将跟踪查询和检测查询级联输入到解码器中，对所述量测数据改进表示进行处理，获得查询向量；基于解码器对所述查询向量进行软数据关联，获得解码结果；将所述解码结果输入到预测器和分类器中进行处理，生成每个时间窗口的状态预测结果；基于QTM模块在跨帧目标对齐机制下处理所有时间窗口的状态预测结果，获得所有时间窗口的多目标跟踪查询结果，生成目标运动轨迹。本发明的多目标跟踪滤波方法提高了多目标长时跟踪精度，并且能够生成预测轨迹。
-
公开(公告)号：CN117849751B
公开(公告)日：2024-07-16
申请号：CN202410036824.8
申请日：2024-01-10
Applicant: 兰州理工大学
Abstract: 本发明公开了一种针对星凸形不规则形状扩展目标的跟踪方法及系统，属于雷达目标跟踪领域。本方法主要用于跟踪星凸形不规则形状的单扩展目标，能够准确将扩展目标的形状轮廓和细节刻画出来。主要步骤包括：获得传感器量测数据；根据量测数据进行状态初始化、目标状态初始化，获取量测信息；通过Kriging模型学习已知的状态与量测之间的映射关系，得到基于Kriging模型的非线性量测方程；加入非线性卡尔曼滤波器对状态和量测进行预测和更新，完成目标状态形状的跟踪和估计。本方法具有滤波性能好，运算时间快和对目标细节刻画相对准确的特点，可以较好的对扩展目标进行跟踪估计。
-
公开(公告)号：CN117872349A
公开(公告)日：2024-04-12
申请号：CN202410112454.1
申请日：2024-01-26
Applicant: 兰州理工大学
IPC: G01S13/72 , G06N3/0455 , G06N3/0464 , G06N7/01 , G01S13/66 , G01S7/41
Abstract: 本发明公开了一种机动扩展目标跟踪方法及系统，方法包括：设定扩展目标的初始运动状态参数和形状参数；收集量测数据，基于量测数据建立量测信息模型；基于初始化运动状态参数建立扩展目标的运动模型，利用TFMTT模型计算运动模型的状态转移矩阵；基于状态转移矩阵和量测信息模型，结合容积卡尔曼滤波对目标状态进行更新，得到扩展的目标位置信息；利用alpha‑shape算法基于形状参数获取扩展目标的大致轮廓，结合形状滤波器得到扩展目标的目标形状信息；基于目标位置信息和目标形状信息进行位置匹配，完成目标跟踪。本发明能够对复杂环境下的机动扩展目标进行形态和状态的准确估计，并且使的估计的准确率得到有效提升。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.021 seconds)
