一种基于交叉熵模糊聚类的多目标跟踪数据关联方法

    公开(公告)号:CN115356718B

    公开(公告)日:2024-07-26

    申请号:CN202211066459.2

    申请日:2022-09-01

    Abstract: 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。

    一种基于交叉熵模糊聚类的多目标跟踪数据关联方法

    公开(公告)号:CN115356718A

    公开(公告)日:2022-11-18

    申请号:CN202211066459.2

    申请日:2022-09-01

    Abstract: 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。

    基于CRITIC赋权的最近邻数据关联方法

    公开(公告)号:CN115291205A

    公开(公告)日:2022-11-04

    申请号:CN202210939082.0

    申请日:2022-08-05

    Abstract: 本发明公开了一种基于CRIT IC赋权的最近邻数据关联方法,所述方法包括以下步骤:设置雷达跟踪系统,进行运动模型参数估计,得到目标的航迹数据及量测点数据;对所得的目标航迹数据和量测点数据通过基于CRIT IC赋权的最近邻数据关联算法进行处理;经过基于CRITIC赋权的最近邻数据关联算法计算后,根据量测点与航迹的关联情况,更新航迹状态,以及通过卡尔曼滤波进行更新;若判断航迹终结,则返回步骤二,若航迹跟踪保持则通过卡尔曼滤波后输出航迹。本发明充分考虑了参与统计距离计算的量测点本身所包含的各特征指标的信息,无需引入其他特征信息,通过信息分析中的CRIT IC赋权法来确定各特征指标的重要程度,以此来改进以统计距离为关联准则的最近邻算法,实现简单,具有更强的适用性,且能够有效提高数据关联正确率,改善雷达目标跟踪效果。

    一种基于毫米波雷达的交通流量监控系统

    公开(公告)号:CN116052414A

    公开(公告)日:2023-05-02

    申请号:CN202211597658.6

    申请日:2022-12-12

    Abstract: 本发明公开了一种基于毫米波雷达的交通流量监控系统,系统在windows系统下基于Qt的人机交互界面软件架构,在MCSV开发环境下进行开发,包括显示模块、控制模块、数据传输模块及数据存储模块,所述数据存储模块、所述数据传输模块、所述控制模块和所述显示模块均采用独立线程运行,每个线程分设子线程实现数据的并行处理,每个线程之间采用数据队列的方式实现数据共享,程序的主函数为Qt中的main函数,为创建窗口对象BasicWindow对上述模块进行初始化操作。本发明采用上述的一种基于毫米波雷达的交通流量监控系统,实现了显控系统可实时连接雷达进行数据交互,对交通雷达采集到的道路交通信息进行可视化显示和数据存储。

    一种基于密度的模糊聚类方法及装置

    公开(公告)号:CN115423019A

    公开(公告)日:2022-12-02

    申请号:CN202211066456.9

    申请日:2022-09-01

    Abstract: 本发明公开了一种基于密度的模糊聚类方法,包括以下步骤:获取当前帧数据,获得簇类个数k‑计算每个簇类横向距离最大差值,更新簇类个数‑构造目标函数‑求解目标函数,获得一次模糊聚类结果‑重复直至满足终止条件,并且更新隶属度矩阵为和簇中心由更新的一次聚类结果作为输入初始值,构造新的目标函数‑再次求解目标函数,获得二次模糊聚类结果,迭代更新隶属度矩阵和位置中心点‑若二次模糊聚类满足迭代条件,则继续,否则重复‑输出更新的隶属度矩阵和位置中心点,得到二次模糊聚类结果,所得更新的隶属度矩阵即为最终的隶属度模糊矩阵。本发明采用上述基于密度的模糊聚类方法,优化聚类结果,并且有效解决相邻同速车辆被聚为一簇的问题。

Patent Agency Ranking