1.基于Student’st过程回归的平滑跟踪方法,其特征在于,包括:构建递归Student’st过程回归模型;
根据所述递归Student’st过程回归模型对目标形状扩展建模,构建目标轮廓Student’st过程模型;
构建Student’st平滑模型,基于贝叶斯平滑技术和所述递归Student’st过程回归模型,获得扩展目标状态的平滑估计;
构建所述递归Student’st过程回归模型中包括:基于多元Student’st概率分布推导得到Student’st过程的方法为:m(q)=E[y(q)],
k(q,q′)=E[(y(q)-m(q))(y(q′)-m(q′))其中,y(q)为输入函数,m(q)为输入函数的均值函数,k(q,q′)为输入函数的协方差函数,n为自由度参数,E为期望,构建递归Student’st过程回归模型的方法为:对于如下量测模型:
条件概率密度函数p(yz)闭合且服从Student’st分布:其中,z
构建所述递归Student’st过程回归模型还包括:对递归Student’st过程回归进行推导的方法为:p(y|z
其中,z
根据所述递归Student’st过程回归模型对目标形状扩展建模的方法为:其中,s
构建Student’st平滑模型,基于贝叶斯平滑技术和所述递归Student’st过程回归模型,获得扩展目标状态的平滑估计包括:通过向后递归获得k时刻目标状态向量的平滑概率密度的方法为:其中,K为最终时间步,Z
构建Student’st平滑模型,基于贝叶斯平滑技术和所述递归Student’st过程回归模型,获得扩展目标状态的平滑估计包括:对扩展目标的运动状态和形状扩展状态进行预测估计的方法为:其中,
2.如权利要求1所述的基于Student’st过程回归的平滑跟踪方法,其特征在于,构建Student’st平滑模型,基于贝叶斯平滑技术和所述递归Student’st过程回归模型,获得扩展目标状态的平滑估计包括:对扩展目标的运动状态和形状扩展状态进行滤波估计的方法为:利用所述递归Student’st过程回归模型得到后验概率密度的最优解,以状态预测结果为依据,对目标的运动状态、扩展状态进行滤波更新。