基于GM-PHD滤波的空间邻近多目标跟踪算法

针对传统的高斯混合概率假设密度(Gaussian mixture probability hypothesis density, GM-PHD)滤波器在跟踪空间邻近目标时存在错误估计、虚警和漏警问题,本文提出了一种改进算法。首先,提出一种权值重分配方案,对目标的高斯分量权值进行重分配,以提高目标邻近时GM-PHD滤波器的跟踪精度;然后,利用目标航迹的连续性,对于当前时刻丢失的目标,利用上一时刻的目标预测值进行修正以减少漏警情形;最后,充分利用多帧已估目标状态对估计目标进行分类,检测估计中存在的虚警并对其进行删除。仿真结果表明,与现有算法相比,本文改进算法具有更优的跟踪性能。