基于线段拟合的目标跟踪方法、装置、设备及介质与流程

1.本发明属于雷达跟踪技术领域，尤其涉及基于线段拟合的目标跟踪方 法、装置、设备及介质。


背景技术：

2.雷达能够发射电磁波并接收目标回波完成对目标的主动探测，并进一 步实现目标运动轨迹的建立。目标跟踪算法根据雷达前端上报的目标信息， 实现目标的确认及信息的提取，对外提供稳定、可靠、满足精度要求的目 标信息。随着雷达技术的发展及市场的开拓，雷达的目标探测能力更强， 使用场景及探测对象种类更为多样、复杂，对目标跟踪算法提出了更高的 要求。
3.探测能力的提升，带来更高的威力与分辨率，使得雷达对目标的探测 逐渐由“点”向“面”转变，获取的雷达图像能够获得目标更丰富的细节 信息，以此可以实现对目标更明确的定义和分类。
4.使用场景的多样化，雷达能够在各类场景中实现目标探测，第一，场 景内的不同区域上可能存在多径、遮挡等不利因素，造成雷达探测存在虚 警和漏警等问题；第二，对不同距离的目标，雷达的探测效果存在差异， 距离越远，角度维探测效果越模糊，分辨率降低。虽然有一定技术手段处 理这些问题，但雷达仍然很难在全区域均实现持续、一致的探测效果。
5.目标对象的多样化，各种类目标的运动特性差异大，具有不同机动性、 加速性。甚至同一目标可能在不同时段具有不同的运动特性。
6.以上的新发展新变化，对原有的目标跟踪算法带来新的挑战。常用的 跟踪算法如αβ、kalman、ukf、ekf。首先，对各距离、各区域不同的探 测误差、对不同运动特性的目标或同目标的运动状态突变，算法使用效能 降低，单一的状态矩阵或参数模型不能满足使用需求。如果使用状态矩阵 切换或多模型，算法实现复杂度大幅提高，运算效率降低。其次，kalman 算法在迭代过程中偶发不收敛问题，在使用经典kalman算法处理多组实测 数据时，出现了不收敛问题，也即是由于迭代矩阵奇异或其他问题而导致 算法“失锁、跑飞”的现象。根据论文文献的查阅，在其衍生算法ukf、ekf 中这类问题更加严重，在一些工程实践中这是不可接受、必须解决的问题。 为实现二维雷达目标探测数据的目标跟踪处理，至今暂未见兼具稳健性、 处理效率、通用性的解决方案。


技术实现要素：

7.本发明的目的在于，为克服现有技术缺陷，提供了基于线段拟合的目 标跟踪方法、装置、设备及介质,能够在局部实现最优，确保输出运动轨 迹的准确、平滑，能够根据目标属性、运动参数，对目标运动状态进行分 类，以及根据目标运动状态，快速简易的在多状态间进行选择和切换。
8.本发明目的通过下述技术方案来实现：
9.一种基于线段拟合的目标跟踪方法，所述方法包括：
10.提取目标的运动轨迹末尾若干次位置及对应时间序列，对所述目标进 行线段拟合，所述线段拟合包括一阶直线和二阶曲线拟合；
11.根据拟合的一阶直线模型和二阶曲线模型代入目标当前位置及对应时 间计算目标分别在一阶直线模型和二阶曲线模型下的运动速度、运动方向、 航速变化和航向变化；
12.根据所述目标的航速变化、尺寸和航向变化赋予一阶直线模型和二阶 曲线模型不同权重并进行加权平均，得到所述目标的最终状态信息。
13.进一步的，所述对所述目标进行一阶直线和二阶曲线拟合具体包括：
14.提取所述目标运动轨迹末尾若干次位置及所述若干次位置的对应时间 序列；
15.分别对x轴及y轴进行一阶直线拟合和二阶曲线拟合。
16.进一步的，所述根据拟合的一阶直线模型和二阶曲线模型代入目标当 前位置及对应时间计算目标分别在一阶直线模型和二阶曲线模型下的运动 速度、运动方向、航速变化和航向变化具体包括：
17.分别在所述一阶直线模型和所述二阶曲线模型中代入目标最新位置和 最新位置对应的时间，得到所述一阶直线模型下目标最新位置的平滑位置 和所述二阶曲线模型下目标最新位置的平滑位置；
18.将所述一阶直线模型下目标最新位置的平滑位置代入下一周期预测时 间，得到所述目标在所述一阶直线模型下的预测位置，将所述二阶曲线模 型下目标最新位置的平滑位置代入下一周期预测时间，得到所述目标在所 述二阶曲线模型下的预测位置；
19.根据所述目标在所述一阶直线模型下的预测位置和所述目标在所述二 阶曲线模型下的预测位置计算所述目标分别在一阶直线模型和二阶曲线模 型下的运动速度、运动方向、航速变化和航向变化。
20.进一步的，所述最终状态信息包括最终平滑位置、最终速度和最终航 向。
21.进一步的，所述根据所述目标的航速变化、尺寸和航向变化赋予一阶 直线模型和二阶曲线模型不同权重并进行加权平均，得到所述目标的最终 状态信息包括：
22.建立航速变化、目标尺寸和航向变化的三维坐标系，设定航速变化、 目标尺寸和航向变化的参数范围形成三维长方体；
23.定义函数f(m,n,p)：
[0024][0025]
其中，m表示目标尺寸，n表示航向变化，p表示航速变化，q
max
和q
min
分 别为f(m,n,p)的最大值和最小值，q
max
和q
min
预先设定；
[0026]
将待跟踪目标在三维坐标系中所处的点(m0,n0,p0)投影到点 (m2,n2,p2)及点(m1,n1,p1)所在对角线上，得到点(m3,n3,p3)，代入公式 f(m,n,p)可得对应的模型选择系数q＝f(m3,n3,p3)，其中，m1表示目标尺 寸最大值，m2表示目标尺寸最小值，n1表示航向变化最小值，n2表示航向 变化最大值，p1表示航速变化最小值，p2表示航速变化最大值，q表示二阶 曲线模型所占权重；
[0027]
根据所述选择系数q对一阶直线模型的拟合结果与二阶曲线模型的拟 合结果进行加权平均，得到待跟踪目标的最终的平滑位置、速度和航向。
[0028]
进一步的，所述q
max
为0.5，所述q
min
为0。
[0029]
另一方面，本发明还提供了一种基于线段拟合的目标跟踪装置，所述 装置包括：
[0030]
线段拟合模块，用于提取目标的运动轨迹末尾若干次位置及对应时间 序列，对所述目标进行线段拟合，所述线段拟合包括一阶直线和二阶曲线 拟合；
[0031]
运动状态获取模块，用于根据拟合的一阶直线模型和二阶曲线模型代 入目标当前位置及对应时间计算目标分别在一阶直线模型和二阶曲线模型 下的运动速度、运动方向、航速变化和航向变化；
[0032]
目标位置跟踪模块，用于根据所述目标的航速变化、尺寸和航向变化 赋予一阶直线模型和二阶曲线模型不同权重并进行加权平均，得到所述目 标的最终平滑位置、最终速度和最终航向。
[0033]
另一方面，本发明还提供了一种计算机设备，计算机设备包括处理器 和存储器，所述存储器中存储有计算机程序，所述计算机程序由所述处理 器加载并执行以实现上述的任意一种基于线段拟合的目标跟踪方法。
[0034]
另一方面，本发明还提供了一种计算机可读存储介质，所述存储介质 中存储有计算机程序，所述计算机程序由处理器加载并执行以实现上述的 任意一种基于线段拟合的目标跟踪方法。
[0035]
本发明的有益效果在于：
[0036]
(1)本发明提供的基于线段拟合的目标跟踪方法对各类目标的处理效 果良好，均能输出较优质航迹，在平滑性、贴合性上获得较好的折中。该 方法生成的目标航迹与对应地面指示线吻合，单点误差低。
[0037]
(2)本发明提供的基于线段拟合的目标跟踪方法可根据目标尺寸、加 速度、航向等信息，确定目标的运动状态，准确率较高，可作为设定一阶、 二阶模型中加权系数的依据。而且，后续在目标识别、分区域cfar等其他 功能时，也可作为参考。
[0038]
(3)本发明提供的基于线段拟合的目标跟踪方法可适应多类型目标， 包括高机动目标、高加速目标等。对直线运动的目标或低机动性目标，倾 向于使用直线模型，平滑效果极佳；对转弯目标或高机动性目标，倾向于 使用曲线模型，航迹惯性低，贴合性强。对变速运动目标，倾向于使用短 模型，适应其加速度；对速度稳定的目标，倾向于使用长模型，平滑度更 优。
[0039]
(4)本发明提供的基于线段拟合的目标跟踪方法逻辑简单、稳定性强。 应对场面中的各类区域、各类目标，可简易、安全的进行开环干预，根据 后验信息进行针对性的处理。同时，在长期运行的情况下，未出现“跑飞、 失锁”等逻辑问题。
附图说明
[0040]
图1是本发明实施例提供的基于线段拟合的目标跟踪方法流程示意图；
[0041]
图2是本发明实施例建立的最终状态信息模型示意图；
[0042]
图3是本发明实施例提供的小型目标和大型目标的二维雷达探测点效 果图；
[0043]
图4是本发明实施例提供的小型目标和大型目标的原始点及航迹输出 全局图；
[0044]
图5是本发明实施例小型目标的大角度机动时的效果图；
[0045]
图6是本发明实施例大型目标的90度转弯机动时的效果图；
[0046]
图7是本发明实施例小型目标的直线运动时的效果图；
[0047]
图8是本发明实施例大型目标的直线运动时的效果图；
[0048]
图9是本发明实施例大型目标转弯与三模型kalman算法效果对比示意 图；
[0049]
图10是本发明实施例小型目标直行与三模型kalman算法效果对比示 意图；
[0050]
图11是本发明实施例提供的基于线段拟合的目标跟踪装置结构框图。
具体实施方式
[0051]
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可 由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还 可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细 节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰 或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征 可以相互组合。
[0052]
基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动 前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0053]
目标跟踪的问题，分为三个方面：第一，雷达固有的问题，如雷达的 随机误差、算法产生的旁瓣等；第二，一些特定场景环境下，如多径、遮 挡等导致雷达探测效能降低甚至失效，以上两点都将导致探测目标信息的 失真偏移、漏警、虚警；第三，目标本身运动状态具有多样性，例如静止、 慢行、高速、转弯、直行，而雷达由于扫描周期的限制，不能全时对目标 进行探测，本质上只采集到了某时刻的目标信息，无法完全应对目标运动 状态的突变或非线性变化。
[0054]
由于目标不仅只做直线运动，也会进行机动。为了应对这类情况，其 他算法如kalman，可设计左转、右转、直行3种模型，根据目标运动轨迹 在3类模型中寻找最优模型，并进行模型切换。但缺点仍然是不同场景、 不同目标参数选择的通用性欠缺。
[0055]
为了解决上述技术问题，提出了本发明基于线段拟合的目标跟踪方法、 装置、设备及介质的下述各个实施例。
[0056]
实施例1
[0057]
目标跟踪的问题，分为三个方面：第一，雷达固有的问题，如雷达的 随机误差、算法产生的旁瓣等；第二，一些特定场景环境下，如多径、遮 挡等导致雷达探测效能降低甚至失效，以上两点都将导致探测目标信息的 失真偏移、漏警、虚警；第三，目标本身运动状态具有多样性，例如静止、 慢行、高速、转弯、直行，而雷达由于扫描周期的限制，不能全时对目标 进行探测，本质上只采集到了某时刻的目标信息，无法完全应对目标运动 状态的突变或非线性变化。
[0058]
从上述分析和实际处理结果来看，如果单一的状态矩阵或参数进行航 迹平滑，那理想状态下的“完美平滑”是不可获得的，在实际过程中对于 不同机动性的目标，无法既保证平滑度，又保证目标机动时快速响应。思 路上比较自然的解决该问题的方法是使用动态模型、动态参数，根据目标 属性、运动状态等情况自适应进行调整。
[0059]
本实施例将目标运动轨迹区分为直线运动或曲线运动两类。对直线运 动目标的平滑，各类算法本质都是进行类似最小二乘法的操作，找到运动 过程中与各位置坐标最接近的线段，即该线段与所有位置点的方差之和最 小。
[0060]
由于目标不仅只做直线运动，也会进行机动。为了应对这类情况，其 他算法如kalman，可设计左转、右转、直行3种模型，根据目标运动轨迹 在3类模型中寻找最优模型，并进行模型切换。但缺点仍然是不同场景、 不同目标参数选择的通用性欠缺。为解决这个问题，本实施例增加了曲线 模型，既增加二阶曲线拟合，找到与所有位置点的方差之和最小的二阶曲 线。
[0061]
同时，在直线或曲线拟合时，所使用原始点点数长度也会对拟合效果 产生影响，原始点越多越长，稳定性越强，灵活性越低。
[0062]
一阶直线、二阶曲线及不同长度的拟合，都可以对目标运动轨迹进行 局部最优表达。需要对拟合方式及长度进行选择，获得我们认为的最贴切 的目标跟踪轨迹。
[0063]
更高维的三阶曲线，理论上对进行“s”型运动轨迹的目标有更好效果。 但实际上，参数合适的二阶曲线即可满足绝大部分需求，更高阶曲线拟合 可以实现更高贴合性，但平滑性必然降低。
[0064]
参照图1，如图1所示是本实施例提供的基于线段拟合的目标跟踪方法 的流程示意图，该方法具体包括以下步骤：
[0065]
步骤s100：提取目标的运动轨迹末尾若干次位置及对应时间序列，对 目标进行线段拟合，线段拟合包括一阶直线和二阶曲线拟合。
[0066]
具体地，首先，提取目标运动轨迹末尾若干次位置 (x0,y0)、(x1,y1)、(x2,y2)
……
(xn,yn)，及其对应时间序列t，分别对x轴 及y轴进行一阶直线、二阶曲线拟合，拟合结果如下：
[0067]
一阶直线拟合：
[0068]
x
l
＝b1*t c1；
[0069]yl
＝b2*t c2；
[0070]
二阶曲线拟合：
[0071]
xc＝a3*t2 b3*t c3；
[0072]
yc＝a4*r2 b4*t c4；
[0073]
步骤s200：根据拟合的一阶直线模型和二阶曲线模型代入目标当前位 置及对应时间计算目标分别在一阶直线模型和二阶曲线模型下的运动速度、 运动方向、航速变化和航向变化。
[0074]
该步骤具体包括：
[0075]
分别在一阶直线模型和二阶曲线模型中代入目标最新位置和最新位置 对应的时间，得到一阶直线模型下目标最新位置的平滑位置和二阶曲线模 型下目标最新位置的平滑位置。
[0076]
将一阶直线模型下目标最新位置的平滑位置代入下一周期预测时间， 得到目标在一阶直线模型下的预测位置，将二阶曲线模型下目标最新位置 的平滑位置代入下一周期预测时间，得到目标在二阶曲线模型下的预测位 置。
[0077]
根据目标在一阶直线模型下的预测位置和目标在二阶曲线模型下的预 测位置计算目标分别在一阶直线模型和二阶曲线模型下的运动速度、运动 方向、航速变化和航向变化。
[0078]
以曲线模型为例，代入目标最新位置(xn,yn)对应的时间tn，可得该点的 曲线模型
平滑位置
[0079]
代入下一周期预测时间t
n 1
＝n ，t为雷达扫描周期，可得曲线模 型下目标的预测位置
[0080]
则曲线模式下，目标运动速度及运动方向可计算得到：
[0081][0082][0083]
据此，可计算目标运动速度变化、目标运动航向变化：
[0084][0085][0086]
以上，完成了tn时刻平滑位置、运动速度、运动方向、航速变化、航向 变化及t
n 1
时刻预测位置，同理可得一阶直线模型下对应参数运动速度运动方向航速变化航向变化
[0087]
步骤s300：根据目标的航速变化、尺寸和航向变化赋予一阶直线模型 和二阶曲线模型不同权重并进行加权平均，得到目标的最终状态信息。
[0088]
具体地，为了确定目标的运动状态，本实施例根据客观物理属性和运 动规律，进行如下设定：
[0089]
正在加、减速的目标，更倾向于直线运动，而非大角度转弯；
[0090]
尺寸越大的目标，惯性越大，机动性越差。
[0091]
根据以上设定本实施例定义：大尺寸目标处于航速变化小、航向变化 小的运动状态，为低机动性运动状态，此时更倾向于进行稳定性更强的直 线运动；小尺寸目标处于航速变化大、航向变化大的运动状态，为高机动 性运动状态，此时更倾向于进行灵活性更强的曲线运动。
[0092]
参照图2，如图2所示是本实施例建立的最终状态信息模型示意图。如 上图所示，设定航速变化、尺寸、航向变化等参数的范围，形成三维长方 体，其中：
[0093]
x轴为目标尺寸m，单位米，为目标距离维长度及角度维宽度的平方和 开根。
[0094]
y轴为航向变化n，单位度/秒，描述目标运动方向的变化性。
[0095]
z轴为航速变化p，单位米/秒2。
[0096]
左上角点(m2,n2,p2)为最高机动性，右下角点(m1,n1,p1)为最低机动性。 参数的设置可根据目标物理属性或者项目实际而确定，本图中设置目标尺 寸m∈[10,30]、航向变化n∈[2,15]、航速变化p∈[1,10]，超出此范围的， 设置为边界值。因此(m2,n2,p2)＝(10,15,10)，(m1,n1,p1)＝(30,2,1)
[0097]
根据目标的航速变化、尺寸和航向变化赋予一阶直线模型和二阶曲线 模型不同权重并进行加权平均，得到目标的最终状态信息包括：
[0098]
建立航速变化、目标尺寸和航向变化的三维坐标系，设定航速变化、 目标尺寸和航向变化的参数范围形成三维长方体；
[0099]
定义函数f(m,n,p)：
[0100][0101]
其中，m表示目标尺寸，n表示航向变化，p表示航速变化，q
max
和q
min
分 别为f(m,n,p)的最大值和最小值，q
max
和q
min
预先设定。
[0102]
将待跟踪目标在三维坐标系中所处的点(m0,n0,p0)投影到点 (m2,n2,p2)及点(m1,n1,p1)所在对角线上，得到点(m3,n3,p3)，代入公式 f(m,n,p)可得对应的模型选择系数q＝f(m3,n3,p3)，其中，m1表示目标尺 寸最大值，m2表示目标尺寸最小值，n1表示航向变化最小值，n2表示航向 变化最大值，p1表示航速变化最小值，p2表示航速变化最大值，q表示二阶 曲线模型所占权重。
[0103]
根据选择系数q对一阶直线模型的拟合结果与二阶曲线模型的拟合结 果进行加权平均，得到待跟踪目标的最终的平滑位置、速度和航向。
[0104]
对任意机动性状态，即长方体内任意点(m0,n0,p0)，将其投影至点 (m2,n2,p2)及点(m1,n1,p1)所在对角线上，所得点(m3,n3,p3)，代入公式 f(m,n,p)可得对应的模型选择系数q＝f(m3,n3,p3)。
[0105]
以此，根据模型选择系数q，对一阶直线与二阶曲线两种模型加权求和, 可得到tn时刻最终的平滑位置(xn,yn)、速度vn、航向dn：
[0106][0107][0108][0109][0110]
同理，将q
max
,q
min
设置为模型拟合长度的最长长度及最短长度，也可 求得拟合时使用的原始点数量长度。
[0111]
作为一种实施方式，本实施例中可以设定模型选择系数q
add
∈[0.0,0.5]， 也即设定q
max
为0.5，q
min
为0。表示当目标处于最低机动性运动状态时， 设置模型选择系数为0.0，即完全信任一阶直线模型；当目标处于最高机动 性运动状态时，设置模型选择系数为0.5，此时一阶直线模型的拟合结果与 二阶曲线模型的拟合结果按系数0.5进行加权平均。
[0112]
本实施例提供的基于线段拟合的目标跟踪方法对各类目标的处理效果 良好，均能输出较优质航迹，在平滑性、贴合性上获得较好的折中。该方 法生成的目标航迹与对应地面指示线吻合，单点误差低。该方法可根据目 标尺寸、加速度、航向等信息，确定目标的运动状态，准确率较高，可作 为设定一阶、二阶模型中加权系数的依据。而且，后续在目标识别、分区 域cfar等其他功能时，也可作为参考。该方法可适应多类型目标，包括高 机动目标、高加速目标等。对直线运动的目标或低机动性目标，倾向于使 用直线模型，平滑效果极佳；对转弯目标或高机动性目标，倾向于使用曲 线模型，航迹惯性低，贴合性强。对变速运动目标，倾向于使用短模型， 适应其加速度；对速度稳定的目标，倾向于使用长模型，平
滑度更优。该 方法逻辑简单、稳定性强。应对场面中的各类区域、各类目标，可简易、 安全的进行开环干预，根据后验信息进行针对性的处理。同时，在长期运 行的情况下，未出现“跑飞、失锁”等逻辑问题。
[0113]
实施例2
[0114]
参照图3，如图3所示是本实施例提供的小型目标和大型目标的二维雷 达探测点效果图，该图是某一个扫描周期内的雷达探测原始点及经过凝聚 算法后的凝聚中心。左上角为某小型目标(车辆)，右下角为某大型目标 (飞机)。“.”点为探测原始点，“o”点为凝聚中心。本实施例在跟踪 阶段使用的原始点位置即凝聚中心，使用的尺寸根据探测原始点分布范围 得到。
[0115]
参照图4，如图4所示是本实施例提供的小型目标和大型目标的原始点 及航迹输出全局图。本实施例中，一例小型目标，一例大型目标的全局原 始点中心位置及跟踪效果图。本实施例均为雷达软件系统重演实测数据， 将处理前数据及处理后的结果保存，由matlab软件分析、画图。雷达数据 节拍为1秒。其中，小目标运行全程中有遮挡导致的丢失现象，有直行、 高机动及静止停留等运动状态。大目标运行全程，出现了急减速、直行、 转弯等运动状态。目标的原始点尺寸等信息如表1所示。
[0116][0117]
表1目标的原始点尺寸信息表
[0118]
设定的参数，模型拟合长度为q
len
∈[6,12]，即拟合长度范围是6至12 个节拍。模型选择系数为q
add
∈[0,0.5]，即机动性最弱时完全信任一阶直线 模型、机动性最强时使用一阶直线与二阶曲线平均加权。在目标运行全程， 统计参数如表2所示：
[0119][0120]
表2目标运行参数统计表
[0121]
大型目标除起航迹阶段，其余状态下倾向于使用更为稳定的长直线模 型；小型目标机动性强，全过程中使用的拟合长度均较短，模型选择系数 均较高，尤其在转弯时倾向于使用二阶曲线模型以减小“外冲”，增强航迹 贴合性。
[0122]
参照图5，如图5所示是本实施例小型目标的大角度机动时的效果图， 其参数信息如表3所示：
[0123][0124]
表3小型目标的大角度机动参数信息表
[0125]
节拍9至节拍29，故目标在21秒完成一次大角度机动。模型选择系数 有两次“先递增后递减”的过程，同时模型拟合长度与之对应变化，两者 的变化与目标实际机动轨迹相
吻合。处理后航迹点与原始点位置相差均小 于5米，惯性较低，“外冲”弱，航迹效果平滑。在高机动后，节拍29～91， 目标静止停留，节拍92重新运动。可以看出该方法在各运动状态下运行效 果较优秀。
[0126]
参照图6，如图6所示是本实施例大型目标的90度转弯机动时的效果 图，其参数信息如表4所示：
[0127][0128]
表4大型目标的90度机动参数信息表
[0129]
节拍84至节拍107，目标用时25秒完成一次90度转弯。目标转弯过 程较平缓，但由于目标姿态变化，雷达探测效果受影响，目标位置出现小 幅抖动。模型选择系数低于0.1，信任直线模型，航迹效果平滑稳定。
[0130]
参照图7，如图7所示是本实施例小型目标的直线运动时的效果图，其 参数信息如表5所示：
[0131][0132]
表5小型目标的直线运动参数信息表
[0133]
由于目标尺寸较小，模型选择系数并未降低至0.0，但仍处于较低位， 有效降低了
抖动。
[0134]
参照图8，如图8所示是本实施例大型目标的直线运动时的效果图，其 参数信息如表6所示：
[0135][0136]
表6大型目标的直线运动参数信息表
[0137]
由上表可以看出模型选择系数长期为最低值0.0，完全信任直线模型， 航迹平滑效果极佳。
[0138]
参照图9，如图9所示是本实施例大型目标转弯与三模型kalman算法 效果对比示意图，对比数据使用了大型目标航迹的节拍75～115的转弯过程， 将该节拍对应的场面地图的地面指示线作为标准轨迹，认为目标均沿地面 指示线行进，将各算法对应节拍数据与之进行距离差的标准差计算。对比 模型为三模型kalman，该模型包括直线、左转、右转三种状态并可自适应 切换，算法平台为matlab，对比中设置了低平滑度及高平滑度两种参数设 置。图7右下图为三模型kalman算法的模型系数，可见其在节拍80起， 判断出了左转弯趋势，理论上算法效果优于标准单模型kalman。但高平滑 度的kalman仍具有较强惯性，在转弯完成后易呈现较强的“外冲”。低平 滑度kalman的平滑效果一般。本方法在保证贴合性的同时，平滑性明显更 优。另对比过程中，kalman偶发迭代矩阵奇异导致迭代错误。
[0139]
参照图10，如图10所示是本实施例小型目标直行与三模型kalman算 法效果对比示意图，对比数据使用了小型目标航迹节拍100～140的直行过 程，对比例为三模型kalman。本方法明显贴合性、平滑性更优。
[0140]
实施例3
[0141]
参照图11，如图11所示是本实施例提供的基于线段拟合的目标 跟踪装置结构框图，该装置包括：
[0142]
线段拟合模块10，用于提取目标的运动轨迹末尾若干次位置及对应时 间序列，对所述目标进行线段拟合，所述线段拟合包括一阶直线和二阶曲 线拟合；
[0143]
运动状态获取模块20，用于根据拟合的一阶直线模型和二阶曲线模型 代入目标当前位置及对应时间计算目标分别在一阶直线模型和二阶曲线模 型下的运动速度、运动方向、航速变化和航向变化；
[0144]
目标位置跟踪模块30，用于根据所述目标的航速变化、尺寸和航向变 化赋予一阶
直线模型和二阶曲线模型不同权重并进行加权平均，得到所述 目标的最终平滑位置、最终速度和最终航向。
[0145]
本实施例提供的基于线段拟合的目标跟踪装置的有益效果，详见前面 的实施例，在此不再赘述。
[0146]
实施例4
[0147]
本优选实施例提供了一种计算机设备，该计算机设备可以实现本技术 实施例所提供的基于线段拟合的目标跟踪方法任一实施例中的步骤，因此， 可以实现本技术实施例所提供的基于线段拟合的目标跟踪方法的有益效果， 详见前面的实施例，在此不再赘述。
[0148]
实施例5
[0149]
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部 分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令 可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。为此， 本发明实施例提供一种存储介质，其中存储有多条指令，该指令能够被处 理器进行加载，以执行本发明实施例所提供的基于线段拟合的目标跟踪方 法中任一实施例的步骤。
[0150]
其中，该存储介质可以包括：只读存储器(rom，read only memory)、 随机存取记忆体(ram，random access memory)、磁盘或光盘等。
[0151]
由于该存储介质中所存储的指令，可以执行本发明实施例所提供的任 一基于线段拟合的目标跟踪方法实施例中的步骤，因此，可以实现本发明 实施例所提供的任一基于线段拟合的目标跟踪方法所能实现的有益效果， 详见前面的实施例，在此不再赘述。
[0152]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在 本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含 在本发明的保护范围之内。