CN104330792B - 基于αβ滤波的船舶目标跟踪处理方法 - Google Patents

Abstract

本发明实施例提供一种基于αβ滤波的船舶目标跟踪处理方法，本发明方法，包括：处理器根据原始标绘对应的标绘目标的位置以及航向航速建立预测波门；识别所述预测波门内的轨迹目标；判断所述轨迹目标个数是否大于0，若是，则确定所述原始标绘为跟踪目标存在，并判断所述轨迹目标个数是否大于1，若大于1，则选择最优所述轨迹目标关联原始标绘；若等于1，则采用αβ滤波关联原始标绘；若否，则确定所述原始标绘为跟踪目标不存在，并采用直线外推所述轨迹目标关联所述原始标绘。本发明实施例实现了对于各类情况可以进行综合分析处理，轨迹目标的跟踪结果更加准确。

Description

基于αβ滤波的船舶目标跟踪处理方法

技术领域

本发明实施例涉及计算机科学领域，尤其涉及一种基于αβ滤波的船舶目标跟踪处理方法。

背景技术

船舶追踪是指通过技术手段实时监控船舶的所在位置，从而对船舶的安全生产和船期执行情况做到远程实时跟踪。实现船舶的实时追踪具有非常重要的商业价值。一方面船公司、租家等船舶经营人可以远程监控船舶的实时动态，从而对船舶的安全管理和船期的执行情况了然于心。另一方面对于港口管理机关而言，可以实现对港区内船舶的全部监控，便于更好的安排作业计划和保障港区安全。此外，船舶服务辅助行业如船舶代理公司、备件物料供应公司都可以通过实现掌握所在港口的船舶动态提前联系船东获得更多的业务机会。

轨迹目标跟踪技术是指对根据雷达图像提取出来的标绘目标进行对比匹配，最终形成具有各类航行信息的轨迹目标的方法。目前此类算法大多依据卡尔曼滤波的各个形式对目标的运动进行建模，根据模型对轨迹目标进行推算。依据推算结果获得最有可能的匹配目标或是直接采用直线外推及时间对齐进行目标匹配。

已有轨迹目标跟踪技术对于各类情况无法进行综合分析处理，并且轨迹目标跟踪结果不够准确。

发明内容

本发明实施例提供一种基于αβ滤波的船舶目标跟踪处理方法，以克服现有技术中轨迹目标跟踪技术对于各类情况无法进行综合分析处理，轨迹目标跟踪结果不够准确的问题。

本实施例提供了一种基于αβ滤波的船舶目标跟踪处理方法，包括：

处理器根据原始标绘对应的标绘目标的位置以及航向航速建立预测波门；

识别所述预测波门内的轨迹目标；

判断所述轨迹目标个数是否大于0，若是，则确定所述原始标绘为跟踪目标存在，并判断所述轨迹目标个数是否大于1，若大于1，则选择最优所述轨迹目标关联原始标绘；若等于1，则采用αβ滤波关联原始标绘；

若否，则确定所述原始标绘为跟踪目标不存在，并采用直线外推所述轨迹目标关联所述原始标绘。

进一步地，所述采用αβ滤波关联原始标绘，包括：

处理器将所述原始标绘的极坐标转换为笛卡尔坐标；

采用公式

$\mathrm{\α}=\frac{2\×[2\×(k+2)-1]}{{(k+2)}^2+k+2}---\left(1\right)$

求得所述原始标绘位置值与轨迹预测位置值差的信任程度α；

采用公式

$\mathrm{\β}=2\×(2-\mathrm{\α})-4\sqrt{1-\mathrm{\α}}---\left(2\right)$

求得所述原始标绘位置值与轨迹预测位置值差异对速度影响的信任程度β；

根据所述αβ求得轨迹目标位置坐标、轨迹目标对应的速度；公式

$\left\{\begin{array}{c}{X}_T=X_p+(X_m-X_p)\×\mathrm{\α}\\ Y_T=Y_p+(Y_m-Y_p)\×\mathrm{\α}\end{array}\right.---\left(3\right)$

$\left\{\begin{array}{c}{V}_{\mathrm{XT}}=V_{\mathrm{XP}}+(X_m-X_p)/P\×\mathrm{\β}\\ V_{\mathrm{YT}}=V_{\mathrm{YP}}+(Y_m-Y_p)/P\×\mathrm{\β}\end{array}\right.---\left(4\right)$

根据所述轨迹目标位置坐标、轨迹目标对应的速度确定轨迹目标，其中，所述X_p为预测波门中心点横坐标，所述X_T为轨迹目标的横坐标，所述X_m为原始标绘的横坐标，所述Y_p为预测波门中心点纵坐标，所述Y_T为轨迹目标的纵坐标，所述Y_m为原始标绘的纵坐标，所述V_XT为轨迹目标速度X轴分量，所述V_XP为原始标绘速度X轴分量，所述V_YT为轨迹目标速度Y轴分量，所述V_YP为轨迹目标原始标绘速度Y轴分量，所述P为雷达扫描周期。

进一步地，所述选择最优所述轨迹目标关联原始标绘，包括：

处理器计算所述轨迹目标的质量与面积的连贯性以及与航行轨迹的距离；

根据所述连贯性以及所述距离建立所述轨迹目标与所述航行轨迹的对应关系；

根据所述对应关系建立关联矩阵；

根据所述关联矩阵计算最优对应关系；

选取所述最优对应关系中的轨迹目标关联原始标绘。

进一步地，所述识别所述预测波门内的轨迹目标之后，还包括：

根据所述轨迹目标的方向和速度确定所述轨迹目标对应的原始标绘处于锚泊状态。

进一步地，所述确定所述原始目标原始标绘为跟踪目标不存在，并采用直线外推所述轨迹目标关联所述原始标绘，包括：

处理器将所述原始标绘对应的预测波门按当前的质量因子查询对应预测波门面积系数表中的系数值，并根据所述系数值标识的倍数扩大所述预测波门。

进一步地，所述处理器将所述原始目标原始标绘对应的预测波门扩大一倍之后，还包括：

判断所述轨迹目标个数是否大于0，若否，则采用计数器为跟踪目标丢失次数计数；

判断所述次数是否大于阈值次数，若大于，则将所述原始目标原始标绘标识为跟踪目标丢失。

本发明实施例通过判断轨迹目标个数是否大于0，若是，则确定所述原始标绘为跟踪目标存在，并判断所述轨迹目标个数是否大于1，若大于1，则选择最优轨迹目标关联原始标绘，若等于1则采用αβ滤波关联原始标绘，对于原始标绘不存在跟踪目标的情况，则采用直线外推所述轨迹秒关联所述原始标绘，实现了对于各类情况可以进行综合分析处理，轨迹目标的跟踪结果更加准确。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明基于αβ滤波的船舶目标跟踪处理方法流程图；

图2为本发明轨迹目标检测扇形区示意图；

图3为本发明预测波门的示意图；

图4为本发明直线外推轨迹目标关联原始标绘示意图；

图5为本发明原始标绘经过桥区过程示意图；

图6为本发明原始标绘处于锚泊状态示意图；

图7为本发明原始标绘关联上采用αβ滤波关联轨迹目标方法流程图；

图8为本发明原始标绘极坐标转换笛卡尔坐标示意图；

图9为本发明原始标绘关联最优关联轨迹目标方法流程图；

图10为本发明原始标绘与浮标重叠方法流程图；

图11为本发明基于αβ滤波的船舶目标跟踪处理方法整体流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。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。

图1为本发明基于αβ滤波的船舶目标跟踪处理方法流程图，如图1所示，本实施例的方法可以包括：

步骤101、处理器根据原始标绘对应的标绘目标的位置以及航向航速建立预测波门；

具体来说，原始标绘为雷达扫描区域的标绘目标，处理器根据原始标绘的雷达图像所提取出来的标绘目标的位置以及航向航速建立预测波门。图2为本发明轨迹目标检测扇形区示意图，如图3所示，扇形区域1对应的扇形区角度的1/2与扇形区域2对应的扇形区角度的1/2组合成轨迹目标检测扇形区3。为了使检测扇形区内的轨迹目标下次更新的位置不超出扇形区1和扇形区2的组合，需要合理设置雷达区域划分为扇形区的个数。根据当前的质量因子Qa到预测波门面积系数表索引出质量因子值FQa，然后根据如下公式计算出新的预测波门大小。

Δρ＝δ_ρ×F_Qa

Δθ＝ρ×δ_θ×F_Qa

其中，Δρ为预测波门距离跨度，Δθ为预测波门方位跨度，δ_ρ为雷达距离均方误差，F_Qa为当前质量因子对应的F表中的系数值，ρ为预测波门中心点到雷达中心点的距离，δ_θ为雷达方位均方误差，图3为本发明预测波门的示意图。

步骤102、识别所述预测波门内的轨迹目标；

步骤103、判断所述轨迹目标个数是否大于0，若是，则确定所述原始标绘为跟踪目标存在，并判断所述轨迹目标个数是否大于1，若大于1，则选择最优所述轨迹目标关联原始标绘；若等于1，则采用αβ滤波关联原始标绘；

步骤104、若否，则确定所述原始标绘为跟踪目标不存在，并采用直线外推所述轨迹目标关联所述原始标绘。

进一步地，所述确定所述原始标绘为跟踪目标不存在，并采用直线外推所述轨迹目标关联所述原始标绘，包括：

处理器将所述原始标绘对应的预测波门按当前的质量因子查询对应预测波门面积系数表中的系数值，并根据所述系数值标识的倍数扩大所述预测波门。

具体来说，图4为本发明直线外推轨迹目标关联原始标绘示意图，如图4所示，采用直线外推的方式进行，航向和航速的估计值认为不变，估计位置就是预测波门的中心点。此方法适用于原始标绘处于桥区时确定轨迹目标,如图5所示，桥区是遮蔽雷达脉冲点播的常见物标，1为船舶的正常航行状态，2为船舶靠近桥区状态，3为船舶即将进入桥区，4为船舶进入桥区轨迹目标丢失，5为船舶驶出桥区，新的自动跟踪创建。按照正常的轨迹目标跟踪程序，经过桥区的目标往往会丢失或被删除，因此需要对这种情况进行特殊的处理。处理的目标就是要是经过桥区以后的目标依然保持其之前的状态。

处理的方法是预先将所有桥区的位置和范围在雷达扫描的区域上标注，当轨迹目标行驶到桥区的时候，如果轨迹目标与原始标绘无法进行匹配，则对此轨迹目标进行外推。同时，将预测波门扩大一倍，保持轨迹目标的信息及质量因子不变。直到轨迹目标行驶到桥区的末尾，使用正常的轨迹目标处理流程对轨迹目标进行跟踪。对于桥区的设置应该比真实桥区物标的范围稍微大一些。该方法当原始标绘穿越桥区等遮蔽物时，可进行智能推测，进最大可能确保目标行驶出遮敝区后扔可以连续跟踪，保证目标跟踪的连贯性。

进一步地，所述处理器将所述原始标绘对应的预测波门扩大一倍之后，还包括：

判断所述轨迹目标个数是否大于0，若否，则采用计数器为跟踪目标丢失次数计数；

判断所述次数是否大于阈值次数，若大于，则将所述原始标绘标识为跟踪目标丢失。

具体来说，处理器设定目标丢失次数的阈值，首先判断原始标绘是否有对应的轨迹目标，如果没有，则采用计数器为本次判断结果加1，当该计数器的计数大于之前设定的目标丢失次数阈值时，则将该原始标绘标识为跟踪目标丢失。

进一步地，所述识别所述预测波门内的轨迹目标之后，还包括：

根据所述轨迹目标的方向和速度确定所述轨迹目标对应的原始标绘处于锚泊状态。

具体来说，举例说明，当锚泊状态的原始标绘所对应的轨迹目标的方向和速度两者之间的航向差值大于45度，速度小于2-3海里/小时，该轨迹目标被识别为锚泊目标后其质量因子不发生改变。位置参考下式：

X_p＝X_T＝X_m

Y_p＝Y_T＝Y_m

其中，X_p为预测波门中心点横坐标，X_T为轨迹目标的横坐标，X_M为原始标绘的横坐标，Y_p为预测波门中心点纵坐标，Y_T为轨迹目标的纵坐标，Y_M为原始标绘的纵坐标。反之，当该轨迹目标与原始标绘的航向差值小于45度，速度大于2-3海里/小时时，则预测波门开始移动，如果连续4次在预测波门中关联到了原始标绘，则确定该锚泊目标开始移动。图6为本发明轨迹目标处于锚泊状态的示意图。该方法能够区分出原始标绘的运动状态，当原始标绘进行复杂运动时仍然能够进行目标跟踪。

本发明实施例通过判断轨迹目标个数是否大于0，若是，则确定所述原始标绘为跟踪目标存在，并判断所述轨迹目标个数是否大于1，若大于1，则选择最优轨迹目标关联原始标绘，若等于1则采用αβ滤波关联原始标绘，对于原始标绘不存在跟踪目标的情况，则采用直线外推所述轨迹关联所述原始标绘，实现了对于各类情况可以进行综合分析处理，轨迹目标的跟踪结果更加准确。

图7为本发明原始标绘关联上采用αβ滤波关联轨迹目标方法流程图,如图7所示，本实施例的方法可以包括：

步骤201、处理器将所述原始标绘的极坐标转换为笛卡尔坐标；

具体来说，图8为本发明原始标绘极坐标转换笛卡尔坐标示意图，如图5所示，坐标转换采用x＝ρ*cosθ，y＝ρ*sinθ。

步骤202、采用公式

$\mathrm{\α}=\frac{2\×[2\×(k+2)-1]}{{(k+2)}^2+k+2}---\left(1\right)$

求得所述原始标绘位置值与轨迹预测位置值差的信任程度α，其中，K取值为1-30,；

步骤203、采用公式

$\mathrm{\β}=2\×(2-\mathrm{\α})-4\sqrt{1-\mathrm{\α}}---\left(2\right)$

求得所述原始标绘位置值与轨迹预测位置值差异对速度影响的信任程度β；

步骤204、根据所述αβ求得轨迹目标位置坐标、轨迹目标对应的速度；公式

$\left\{\begin{array}{c}{X}_T=X_p+(X_m-X_p)\×\mathrm{\α}\\ Y_T=Y_p+(Y_m-Y_p)\×\mathrm{\α}\end{array}\right.---\left(3\right)$

$\left\{\begin{array}{c}{V}_{\mathrm{XT}}=V_{\mathrm{XP}}+(X_m-X_p)/P\×\mathrm{\β}\\ V_{\mathrm{YT}}=V_{\mathrm{YP}}+(Y_m-Y_p)/P\×\mathrm{\β}\end{array}\right.---\left(4\right)$

根据所述轨迹目标位置坐标、轨迹目标对应的速度确定轨迹目标，其中，所述X_p为预测波门中心点横坐标，所述X_T为轨迹目标的横坐标，所述X_m为原始标绘的横坐标，所述Y_p为预测波门中心点纵坐标，所述Y_T为轨迹目标的纵坐标，所述Y_m为原始标绘的纵坐标，所述V_XT为轨迹目标速度X轴分量，所述V_XP为原始标绘速度X轴分量，所述V_YT为轨迹目标速度Y轴分量，所述V_YP为轨迹目标原始标绘速度Y轴分量，所述P为雷达扫描周期。

本实施例，当雷达扫描结果为一个轨迹目标时，采用αβ滤波算法对轨迹目标进行更新，并记录此次关联结果。对于轨迹目标位置推测更加准确。

图9为本发明原始标绘关联最优关联轨迹目标方法流程图，如图8所示，本实施例的方法可以包括：

步骤301、处理器计算所述轨迹目标的质量与面积的连贯性以及与航行轨迹的距离；

步骤302、根据所述连贯性以及所述距离建立所述轨迹目标与所述航行轨迹的对应关系；

步骤303、根据所述对应关系建立关联矩阵；

步骤304、根据所述关联矩阵计算最优对应关系；

步骤305、选取所述最优对应关系中的轨迹目标关联原始标绘。

具体来说，首先建立轨迹目标和原始标绘之间的对应关系，根据此对应关系建立一个二维表，其中原始标绘为行，轨迹目标为列。每对目标的关系信息写到表格中的对应位置。

然后遍历此表格，根据表格中的关系信息(连贯性及距离)找到最优的关联(符合连贯性且距离最小的)。确定此关联对应的行和列上的plot及轨迹目标为关联关系。随后将此对关联信息移出表格。

在剩余表格信息中继续找最优的，重复上述过程。

图10为本发明原始标绘与浮标重叠方法流程图，如图9所示，本实施例的方法可以包括：

步骤401、处理器计算原始标绘预测波门中心点与浮标的方位；

步骤402、计算原始标绘预测波门中心点在所述方位上到所述预测波门边缘的第一距离，计算所述第一距离与所述浮标预测波门半径的和得到第二距离，计算原始标绘预测波门中心点与所述浮标的第三距离；

步骤403、若所述第二距离大于所述第三距离，则确定所述轨迹目标与所述浮标发生重合；

步骤404、比较发生重合的轨迹目标的面积与浮标的面积；

步骤405、若轨迹目标的面积大于浮标的面积三倍以上则使用合并后的原始标绘更新轨迹目标。否则，对轨迹目标进行直线外推。

具体来说，计算轨迹目标预测波门中心点到预测波门边缘的距离为d1，设浮标预测波门半径为r，那么d2＝r+d1，计算轨迹目标到浮标的距离为d3，如果d2>d3，则确定轨迹目标与浮标发生重叠。根据发生重叠的轨迹目标和浮标的面积，如果满足轨迹目标的面积大于或等于浮标面积的三倍，那么采用αβ滤波关联重叠后的原始标绘，否则采用直接外推技术来更新轨迹目标，但是不增加跟踪目标的丢失次数。

图11为本发明基于αβ滤波的船舶目标跟踪处理方法整体流程图，该方法中包括上述αβ滤波关联轨迹目标方法、目标关联最优关联轨迹目标方法和原始标绘与浮标重叠方法。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (5)

1.一种基于αβ滤波的船舶目标跟踪处理方法，其特征在于，包括：

处理器根据原始标绘对应的标绘目标的位置以及航向航速建立预测波门；

识别所述预测波门内的轨迹目标；

判断所述轨迹目标个数是否大于0，若是，则确定所述原始标绘为跟踪目标存在，并判断所述轨迹目标个数是否大于1，若大于1，则选择最优所述轨迹目标关联原始标绘；若等于1，则采用αβ滤波关联原始标绘；

若否，则确定所述原始标绘为跟踪目标不存在，并采用直线外推所述轨迹目标关联所述原始标绘；所述确定所述原始标绘为跟踪目标不存在，并采用直线外推所述轨迹目标关联所述原始标绘，包括：处理器将所述原始标绘对应的预测波门按当前的质量因子查询对应预测波门面积系数表中的系数值，并根据所述系数值标识的倍数扩大所述预测波门。

2.根据权利要求1所述的方法，其特征在于，所述采用αβ滤波关联原始标绘，包括：

处理器将所述原始标绘的极坐标转换为笛卡尔坐标；

采用公式

$\mathrm{\α}=\frac{2\×\[2\×(k+2)-1\]}{{(k+2)}^2+k+2}---\left(1\right)$

求得所述原始标绘位置值与轨迹预测位置值差的信任程度α,其中，k为设定值；

采用公式

$\mathrm{\β}=2\×(2-\mathrm{\α})-4\sqrt{1-\mathrm{\α}}---\left(2\right)$

求得所述原始标绘位置值与轨迹预测位置值差异对速度影响的信任程度β；

根据所述αβ求得轨迹目标位置坐标、轨迹目标对应的速度；公式

$\left\{\begin{array}{c}{X}_T=X_p+(X_m-X_p)\×\mathrm{\α}\\ Y_T=Y_p+(Y_m-Y_p)\×\mathrm{\α}\end{array}\right.---\left(3\right)$

$\left\{\begin{array}{c}{V}_{XT}=V_{XP}+(X_m-X_p)/P\×\mathrm{\β}\\ V_{YT}=V_{YP}+(Y_m-Y_p)/P\×\mathrm{\β}\end{array}\right.---\left(4\right)$

根据所述轨迹目标位置坐标、轨迹目标对应的速度确定轨迹目标，其中，所述X_p为预测波门中心点横坐标，所述X_T为轨迹目标的横坐标，所述X_m为原始标绘的横坐标，所述Y_p为预测波门中心点纵坐标，所述Y_T为轨迹目标的纵坐标，所述Y_m为原始标绘的纵坐标，所述V_XT为轨迹目标速度X轴分量，所述V_XP为原始标绘速度X轴分量，所述V_YT为轨迹目标速度Y轴分量，所述V_YP为轨迹目标原始标绘速度Y轴分量，所述P为雷达扫描周期。

3.根据权利要求1所述的方法，其特征在于，所述选择最优所述轨迹目标关联原始标绘，包括：

处理器计算所述轨迹目标的质量与面积的连贯性以及与航行轨迹的距离；

根据所述连贯性以及所述距离建立所述轨迹目标与所述航行轨迹的对应关系；

根据所述对应关系建立关联矩阵；

根据所述关联矩阵计算最优对应关系；

选取所述最优对应关系中的轨迹目标关联原始标绘。

4.根据权利要求1所述的方法，其特征在于，所述识别所述预测波门内的轨迹目标之后，还包括：

根据所述轨迹目标的方向和速度确定所述轨迹目标对应的原始标绘处于锚泊状态。

5.根据权利要求1所述的方法，其特征在于，所述并根据所述系数值标识的倍数扩大所述预测波门之后，还包括：

判断所述轨迹目标个数是否大于0，若否，则采用计数器为跟踪目标丢失次数计数；

判断所述次数是否大于阈值次数，若大于，则将所述原始标绘标识为跟踪目标丢失。