(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 202210750807.1 (22)申请日 2022.06.28 (71)申请人 哈尔滨工业大 学 地址 150001 黑龙江省哈尔滨市南岗区西 大直街92号 (72)发明人 刘梅　简雨婷　张耀东　胡端　 刘明阳　 (74)专利代理 机构 哈尔滨华夏松花江知识产权 代理有限公司 23213 专利代理师 岳昕 (51)Int.Cl. G06F 30/20(2020.01) G06K 9/62(2022.01) G06F 111/08(2020.01) (54)发明名称 基于DBSCAN分群的群目标跟踪方法 (57)摘要 基于DBSCAN分群的群目标跟踪方法， 涉及群 跟踪技术领域。 本发明是为了解决现有群目标跟 踪方法分群结果缺乏稳定性导致跟踪精度低的 问题。 本发明包括： 获取空间目标数据集； 利用空 间目标数据集采用DBSCAN算法对空间目标进行 初始分群， 获得空间目标群； 获取每个空间目标 群的轮廓， 利用每个空间目标群的轮廓获得每个 空间目标群的群中心； 获得每个空间目标群中心 位置信息， 利用滤波器对每个空间目标群中心进 行位置跟踪； 获取空间目标群中的每个目标的量 测值， 根据每个目标的量测值获取每个空间目标 群边界点集； 判断每个空间目标群的轮廓是否发 生突变， 若没有发生突变则利用滤波器对每个空 间目标群的轮廓进行跟踪。 本发 明用于对群目标 进行跟踪。 权利要求书3页 说明书6页 附图4页 CN 115081224 A 2022.09.20 CN 115081224 A 1.基于DBSCAN分群的群目标跟踪方法， 其特 征在于所述方法具体过程 为： 步骤一、 获取空间目标 数据集； 所述空间目标 数据集包括： 每 个空间目标的位置坐标， 以及坐标 方向上的速度； 步骤二、 利用空间目标数据集采用DBSCAN算法对空间目标进行初始分群， 获得空间目 标群， 并获取每个空间目标群的轮廓， 利用每个空间目标群的轮廓 获得每个空间目标群的 群中心； 步骤三、 利用星凸随机超曲面对步骤二获得的空间目标群轮廓进行建模， 获得空间目 标群轮廓模型； 步骤四、 获取步骤二获得的每个空间目标群的群中心位置信息， 并利用滤波器对每个 空间目标群中心进行位置跟踪； 步骤五、 对步骤三获得的每 个空间目标群的轮廓模型进行跟踪： 步骤五一、 获取空间目标群中的每个目标的量测值， 并根据每个目标的量测值获取每 个空间目标群边界点 集； 步骤五二、 根据每个空间目标群边界点集判断每个空间目标群的轮廓是否发生突变， 若发生突变则重新执行步骤五一， 若没有发生突变则利用滤波器对每个空间目标群的轮廓 进行跟踪。 2.根据权利 要求1所述的基于DBSCAN分群的群目标跟踪方法， 其特征在于： 所述步骤二 中的利用空间目标数据中的数据集采用DBS CAN算法对空间目标进 行初始分群， 获得 空间目 标群， 包括以下步骤： 步骤二一、 以任一未访问过的空间目标为中心， 利用预设的半径Eps和最少样本数目 MinPts判断空间目标是否为核对象， 若 是核对象则创建一个新类C， 并将核对象邻域内的空 间目标纳入到类C内； 步骤二二、 在C内寻找其他未被访问的空间目标， 并判断未被访问的空间目标是否为核 对象， 若为核对象则将其邻域内所有空间目标纳入类C中； 步骤二三、 重复步骤二 二直到类C中不再增 加新的空间目标； 步骤二四、 重复步骤二 一到二三， 直到所有空间目标都被归类， 获得空间目标群。 3.根据权利要求2所述的基于DBSCAN分群的群目标跟踪方法， 其特征在于： 核对象邻 域， 通过以下公式获得： NEps(p)＝{q∈D,dist(p,q)≤ Eps}； 其中， NEps(p)是空间目标p的邻域， D是包含所有空间目标的数据集， dist(p,q)是空间 目标p与空间目标q之间的距离 。 4.根据权利要求2或3所述基于DBSCAN分群的群目标跟踪方法， 其特征在于： 所述步骤 五一中的获取 空间目标群中的每个目标的量测值， 并根据每个目标的量测值 获取每个空间 目标群边界点 集， 包括以下步骤： 步骤五一 一、 获取k个时刻每 个空间目标群中某个空间目标的量测值 其中， zk,l是k时刻第l个目标量测值， Nz,k是k时刻的目标的量测值总数目； 步骤五一二、 将步骤五一一获得的每个空间目标群中的所有空间目标的量测值按角度 θ 分为N个子集， 将每个子集中量测值到空间目标群中心欧式距离最大的空间目标作为目标 群边界点， 获取目标群边界点 集。权　利　要　求　书 1/3 页 2 CN 115081224 A 25.根据权利要求4所述的基于DBSCAN分群的群目标跟踪方法， 其特征在于： e(φk,l)＝[cosφk,l sinφk,l]T 其中， sk,l为缩放因子， R(φk,l)为傅里叶级数展开， φk,l表示k时刻空间目标群中第l个 目标量测值相对群质心mk的方位角， e(φk,l)是中间变量， vk,l为量测噪声， 为k时刻的形 状参数。 6.根据权利要求5所述基于DBSCAN分群的群目标跟踪方法， 其特 征在于： 其中， NF为预设的傅里叶阶数。 7.根据权利 要求6所述基于DBSCAN分群的群目标跟踪方法， 其特征在于： 所述步骤五一 二中的目标群边界点 集， 具体为： 其中， j＝1, ···,N是子集的标号， N是子 集的总个数， 是群量测中心， i＝1, …,Nj是 第j个子集中的量测值的标号， zk,j,i是第j个子集中第i个量测序列值， Nj是第j个子集中的 目标量测值的总数， zk,j是k时刻第j个子集的目标量测值， d(zk,j,i)是第j个子集 中第i个目 标量测值距离群量测中心的距离， d(zk,j)是d(zk,j,i)中的最大值。 8.根据权利 要求7所述基于DBSCAN分群的群目标跟踪方法， 其特征在于： 所述步骤五二 中的根据每个空间目标群边界点集判断每个空间目标群的轮廓是否发生突变， 若发生突变 则重新执行步骤五一， 若没有发生突变则利用滤波器对每个空间目标群的轮廓进行跟踪， 包括以下步骤： 步骤五二一、 利用步骤五一获得的目标边界点集按照预设顺序构造序列f(n)， 并利用f (n)获得径向函数的傅里叶系数即空间目标群的形状参数估计； 步骤五二二、 利用步骤五二一获得的空间目标群的形状参数构造检测统计量判断空间 目标群的形状是否发生突变， 若发生突变则重新执行步骤五一， 若没有发生突变则利用滤 波器进行对空间目标群的轮廓进行跟踪。 9.根据权利 要求8所述的基于DBSCAN分群的群目标跟踪方法， 其特征在于： 所述步骤五 二二中的利用步骤五二一获得 的空间目标群的形状参数构造检测统计量判断空间目标群 的形状是否发生突变， 若发生突变则重新执行步骤五一， 若没有发生突变则利用滤波器进 行对空间目标群的轮廓进行跟踪， 包括以下步骤： 步骤五二二一、 设置时间长度为H的滑动窗口， 并利用步骤五二一获得的空间目标群的 形状参数估计， 构造检测统计量 权　利　要　求　书 2/3 页 3 CN 115081224 A 3