(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211066459.2 (22)申请日 2022.09.01 (71)申请人 西安电子科技大 学 地址 710071 陕西省西安市太白南路2号 申请人 西安电子科技大 学杭州研究院 (72)发明人 罗丰　曹子嫣　张鹏　谢宇恒　 廖桂生　张林让　尹应增　 (74)专利代理 机构 北京知艺互联知识产权代理 有限公司 16137 专利代理师 孟晨光 (51)Int.Cl. G01S 13/72(2006.01) G01S 13/88(2006.01) G06V 10/762(2022.01) (54)发明名称 一种基于交叉熵模糊聚类的多目标跟踪数 据关联方法 (57)摘要 本发明公开了一种基于交叉熵模糊聚类的 多目标跟踪数据关联方法， 包括以下步骤： 获取 当前帧的量测点迹和目标航迹的预测点， 以航迹 的预测点为波门中心设置跟踪波门， 根据落入波 门内的量测点情况筛选有效量测， 并构造确认矩 阵‑根据步骤1所得到的目标航迹和量测点迹数 据， 以波门中心为聚类中心， 得到各量测点迹与 目标航迹的隶属度矩阵， ‑根据确认矩阵， 对公共 波门内的量测点进行隶属度修正处理， 利用修正 后的隶属度矩阵进行后续目标状态的滤波更新。 本发明采用上述基于交叉熵模糊聚类的多目标 跟踪数据关联方法， 通过引入交叉熵模糊聚类和 基于特征散度的修正因子， 在 有效降低算法计算 量的同时， 充分挖掘了特征信息， 保证了目标跟 踪的关联精度。 权利要求书3页 说明书5页 附图6页 CN 115356718 A 2022.11.18 CN 115356718 A 1.一种基于交叉熵模糊聚类的多目标跟踪数据关联 方法， 其特 征在于： 包括以下步骤： 步骤1： 获取当前帧的量测点迹和目标航迹的预测点， 以航迹的预测点为波门中心， 设 置跟踪波门， 根据落入波门内的量测点情况， 筛 选有效量测， 并构造确认 矩阵； 步骤2： 根据步骤1所得到的目标航迹和量测点迹数据， 以波门中心为聚类 中心， 通过交 叉熵模糊聚类得到各量测点迹与目标航迹的隶属度 矩阵， 以此替代传统JPDA 算法中的互联 概率矩阵； 步骤3： 根据确认矩阵， 对公共波门内的量测点进行隶属度修正处理， 利用修正后的隶 属度矩阵进行后续目标状态的滤波更新。 2.根据权利要求1所述的一种基于交叉熵模糊聚类的多目标跟踪数据关联方法， 其特 征在于： 步骤1中假定确认 矩阵如下： 确认矩阵大小为m ×c,wjt＝1表示有效量测j落入了目标航迹t的波门内， wjt＝0表示有 效量测j落入了目标航迹t的波门外 。 3.根据权利要求2所述的一种基于交叉熵模糊聚类的多目标跟踪数据关联方法， 其特 征在于： 步骤2中利用交叉熵模糊聚类获取 隶属度矩阵包括以下子步骤： 步骤2.1： 获取k时刻的量测点集合， 以k时刻目标的预测位置作为波门中心， 建立跟踪 波门， 筛选出当前k时刻落入各目标波门内的量测点， 即为有效量测； 步骤2.2： 假设k时刻有c条目标航迹， 落入目标跟踪波门内共有m个有效量测点， 以k时 刻目标航迹的预测向量为聚类中心， 以当前时刻的有效量测集合作为数据集合， 其中c>1， m >1， 构造模糊聚类对应的目标代价 函数； 步骤2.3： 将目标函数最小化， 得到各有效量测点与目标航迹之间的隶属度 μij。 4.根据权利要求3所述的一种基于交叉熵模糊聚类的多目标跟踪数据关联方法， 其特 征在于： 步骤2.1中有效量测的选取 方式如下： 其中， γ是跟踪波门设置的门限阈值， zk是k时刻量测点的量测向量， 是k时刻目 标的预测向量， Sk是新息协方差矩阵。 5.根据权利要求4所述的一种基于交叉熵模糊聚类的多目标跟踪数据关联方法， 其特 征在于： 步骤2.2中构造模糊聚类对应的目标代价 函数包括以下子步骤： 步骤2.2.1： 根据交叉熵的定义， 计算样本点xj对xk的交叉熵： 其中， μij表示第j个样本对第i个 聚类中心的隶属度， μik表示第k个样本对第i个 聚类中 心的隶属度； 步骤2.2.2： 由交叉熵 表示样本点xj与xk是否属于同类；权　利　要　求　书 1/3 页 2 CN 115356718 A 2步骤2.2.3： 构造模糊聚类对应的目标代价 函数如下： 其中， dij表示该点与目标航迹 预测点的欧氏距离， 隶属度 μij表示第j个有效量测点属于 第i条航迹的概 率, 6.根据权利要求5所述的一种基于交叉熵模糊聚类的多目标跟踪数据关联方法， 其特 征在于： 步骤2.3中隶属度 μij计算公式如下： 7.根据权利要求6所述的一种基于交叉熵模糊聚类的多目标跟踪数据关联方法， 其特 征在于： 步骤3中对隶属度进行修 正处理包括以下子步骤： 步骤3.1： 根据步骤1 获得的确认 矩阵Ω， 找出落入航迹公共波门内的量测点； 步骤3.2： 引入特征散度来代替欧氏距离， 设量测点j的坐标为(xj,yj),目标航迹预测中 心点坐标为(xt,yt)， 则特征散度为： 因此， 定义 量测j与目标航迹t之间的权值 为： 其中， j∈Pub_set， t∈ Tj， n是落入航迹t波门内的量测个数； 步骤3.3： 在考虑公共波门内的情况同时， 考虑公共波门外的量测点分布情况， 若公共 量测的数量少于公共波门外的量测点， 抑制公共量测的影响； 反之， 增强公共量测的影响； 由此， 定义衰减因子fjt； 步骤3.4： 结合ejt和fjt对公共量测点的隶属概率进行修正并进行归一化处理， 抑制航迹 向公共波门处偏离， 保证跟踪精度： μ′ij＝ejtfjtμij 其中 μ'ij为修正后的隶属度， wij为归一化处理后的隶属度； 步骤3.6： 将修 正后的隶属度矩阵进行卡尔曼 滤波更新。 8.根据权利要求7所述的一种基于交叉熵模糊聚类的多目标跟踪数据关联方法， 其特 征在于： 步骤3.1具体包括以下子步骤： 当某行元素之和大于或等于2， 将这些点记 为公共量 测点， 并放入集合Pub_set中； 再找出这些量测点分别落入哪些 目标航迹的跟踪波门中， 即 对Pub_set中的量测点找到它所落入波门的目标航迹号， 记录在Tj中。权　利　要　求　书 2/3 页 3 CN 115356718 A 3