(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 202210658009.6 (22)申请日 2022.06.10 (71)申请人 中山大学 地址 510220 广东省广州市海珠区新港西 路135号 (72)发明人 张艳　张任莉　陈金涛　黄坤　 (74)专利代理 机构 深圳市创富知识产权代理有 限公司 4 4367 专利代理师 范伟民 (51)Int.Cl. G06F 30/20(2020.01) (54)发明名称 一种基于无迹卡尔曼滤波的目标跟踪方法 及系统 (57)摘要 本发明公开了一种基于无迹卡尔曼滤波的 目标跟踪方法及系统， 该方法包括： 基于椭圆模 型， 对跟踪目标的运动状态和形状进行参数化， 得到跟踪目标的运动状态参数和形状参数并构 建系统模型； 根据系统模型， 通过无迹卡尔曼滤 波器对跟踪目标的运动状态参数和形状参数进 行迭代更新处理， 得到更新后的运动状态参数和 形状参数。 通过使用本发明， 能够在简化计算过 程的同时提高目标的跟踪精度。 本发 明作为一种 基于无迹卡尔曼滤波的目标跟踪方法及系统， 可 广泛应用于目标跟踪技 术领域。 权利要求书2页 说明书11页 附图8页 CN 115146448 A 2022.10.04 CN 115146448 A 1.一种基于无迹卡尔曼 滤波的目标跟踪方法， 其特 征在于， 包括以下步骤： 基于椭圆模型， 对跟踪目标的运动状态和形状进行参数化， 得到跟踪目标的运动状态 参数和形状参数并构建系统模型； 根据系统模型， 通过无迹卡尔曼滤波器对跟踪目标的运动状态参数和形状参数进行更 新处理， 得到更新后的运动状态参数和形状参数。 2.根据权利要求1所述一种基于无迹卡尔曼滤波的目标跟踪方法， 其特征在于， 所述基 于椭圆模型， 对跟踪目标 的运动状态和形状进行参数化， 得到跟踪目标的运动状态参数和 形状参数并构建系统模型这 一步骤， 其具体包括： 基于椭圆模型， 对跟踪目标的运动状态和形状并进行参数化， 得到跟踪目标的运动状 态参数和形状参数， 所述跟踪目标的运动状态包括跟踪目标的中心位置和跟踪目标的速 度； 通过引入乘性噪声并结合跟踪目标的运动状态参数和形状参数构建系统模型。 3.根据权利要求2所述一种基于无迹卡尔曼滤波的目标跟踪方法， 其特征在于， 所述跟 踪目标的运动状态参数和形状参数 具体如下 所示： 上式中， mk表示椭圆模型的中心位置， rk表示椭圆模型的速度， pk表示椭圆模型的形状 参数， xk表示椭圆模型的状态变量， k表示时间步长 。 4.根据权利要求3所述一种基于无迹卡尔曼滤波的目标跟踪方法， 其特征在于， 所述量 测方程具体如下 所示： 上式中， 表示量测方程， Sk表示扩展目标的方向和大小， 表示乘性噪声， 表示 量测噪声。 5.根据权利要求4所述一种基于无迹卡尔曼滤波的目标跟踪方法， 其特征在于， 所述状 态方程具体如下 所示： xk+1＝Ak*xk+wk 上式中， Ak表示过程矩阵， wk表示零均值高斯过程噪声， xk+1表示更新后的椭圆模型状态 变量。 6.根据权利要求5所述一种基于无迹卡尔曼滤波的目标跟踪方法， 其特征在于， 所述根 据系统模型， 通过无迹卡尔曼滤波器对跟踪目标的运动状态参数和形状参数进行更新处 理， 得到更新后的运动状态参数和形状参数这 一步骤， 其具体包括： 通过传感器获取跟踪目标的量测值； 结合量测值， 通过无迹卡尔曼滤波器的量测方程对跟踪目标的运动状态参数和形状参 数进行量测更新， 得到更新预估值； 通过无迹卡尔曼滤波器的状态方程对更新预估值进行时间更新， 得到更新后的运动状 态参数和形状参数。 7.根据权利要求6所述一种基于无迹卡尔曼滤波的目标跟踪方法， 其特征在于， 所述结权　利　要　求　书 1/2 页 2 CN 115146448 A 2合量测值， 通过无迹卡尔曼滤波器的量测方程对跟踪目标的运动状态参数和形状参数进 行 量测更新， 得到更新预估值 这一步骤， 其具体包括： 基于传感器获取量测值并通过 克罗内克积运 算处理， 构建伪量测方程； 对跟踪目标的运动状态参数和形状参数进行参数扩维与离 散化处理， 得到Sigma点； 将Sigma点代入伪量测方程进行计算， 得到Sigma点的观测预测值； 基于Sigma点的观测预测值， 通过加权计算 求和处理， 得到量测值的均值和协方差值； 基于量测值的均值和协方差值计算 卡尔曼滤波增益， 得到卡尔曼 滤波增益 值； 基于卡尔曼滤波增益值更新系统模型的运动状态参数和形状参数， 得到得到更新预估 值。 8.根据权利要求7所述一种基于无迹卡尔曼滤波的目标跟踪方法， 其特征在于， 所述通 过无迹卡尔曼滤波器的状态方程对更新预估值进 行时间更新， 得到更新后的运动状态参数 和形状参数这 一步骤， 其具体包括： 基于跟踪目标运动状态参数与形状参数的均值和协方差值获取得到的Sigma点， 对 Sigma点就进行UT变换处理， 得到预测Sigma点； 基于预测 Sigma点， 通过无迹卡尔曼滤波器的状态方程对更新预估值进行更新处理， 得 到更新后的运动状态参数和形状参数。 9.一种基于无迹卡尔曼 滤波的目标跟踪系统， 其特 征在于， 包括以下模块： 构建模块， 基于椭圆模型， 对跟踪目标的运动状态和形状进行参数化， 得到跟踪目标的 运动状态参数和形状参数并构建系统模型； 更新模型， 用于根据系统模型， 通过无迹卡尔曼滤波器对跟踪目标的运动状态参数和 形状参数进行 更新处理， 得到更新后的运动状态参数和形状参数。权　利　要　求　书 2/2 页 3 CN 115146448 A 3