用于移动机器人多目标跟踪的混合条件随机场

第39卷第5期

2011年5月华南理工大学学报（自然科学版）JournalofSouthChinaUniversityofTechnology（NaturalScienceEdition）Vol．39No．5

May2011

565X（2011）05-0061-07文章编号：1000-

用于移动机器人多目标跟踪的混合条件随机场

罗荣华闵华清

（华南理工大学计算机科学与工程学院，广东广州510006）*

摘要：根据移动机器人系统多目标跟踪的特点，提出了一种包括运动检测、数据关联和

目标状态估计3个层次的多目标跟踪混合条件随机场．作为一种辨别式模型，该混合条

件随机场模型允许状态与数据之间存在非局部的依赖关系，不仅可以利用目标的运动信

息和局部形状信息提高多目标跟踪中数据关联的精度，而且可以利用多次观测数据检测

新目标，实现新目标检测与目标跟踪的同步．在自行研发的移动机器人平台上的多目标

跟踪实验结果表明，基于文中提出的混合条件随机场的移动机器人多目标跟踪方法比基

于产生式模型的方法JPDAF具有更高的精度与稳定性．

关键词：移动机器人；多目标跟踪；条件随机场；目标检测；信息融合

doi：10．3969/j．issn．1000-565X．2011．05．011中图分类号：TP242．6

［7］条件随机场是一种无向图模型，在给定观测

条件随机场直接采用指数分布来估序列的条件下，目标跟踪对于提高智能机器人在动态环境中的行为能力具有十分重要的意义．如在人体跟踪任务

机器人可以通过目标跟踪以确保目标在机器人中，

同时根据人的行进速度调整自身的的视野范围内，

速度进行准确的跟踪．在路径规划任务中，通过目标

从而跟踪机器人可以估计运动目标的速度与轨迹，

更好地绕开动态障碍物，保证机器人在动态环境中

的安全［1］计随机变量序列的概率分布．因此条件随机场不需要假设观测数据之间的依赖结构，允许状态与观测数据之间存在非局部依赖关系．条件随机场已经成［8］［9］功应用于语音识别、词性标注、信息抽取以及，而且在这些应用中，条件随机场比隐马尔科夫模型具有更好的性能．为了利用图像分割等领域

条件随机场的特性提高多目标跟踪的精度与稳定

本研究提出一种新的用于多目标跟踪的混合条性，

HCRF）件随机场（HybridConditionalRandomField，

模型．该模型允许观测数据之间存在非局部的依赖

关系，不仅可以利用目标的运动信息和局部形状信

息提高多目标跟踪中数据关联的精度；而且可以利

用多次观测数据检测新目标，同时进行新目标检测

与目标跟踪．［10-11］．近年来，目标跟踪研究受到了广泛的关注，并且［2-3］、提出了许多新的方法，包括粒子滤波器多假设目［4-5］．标跟踪和联合概率数据关联滤波器（JPDAF）等但是这些方法都基于产生式模型，需要满足假设条件，即在给定系统状态的条件下，观测数据之间是互6］不依赖的；同时需要获得系统的似然函数．文献［对联合概率数据关联滤波器进行了改进，提出了基于采样的联合概率数据关联滤波器，并且将这种滤

波器应用于移动机器人的多目标跟踪．虽然这些方

但必须依靠环境地图来进行法取得了良好的效果，

新目标检测．

收稿日期：2010-01-251多目标跟踪问题假设在k时刻需要跟踪n个目标，这些目标在

*基金项目：国家自然科学基金资助项目（61005061，60873078）；华南理工大学中央高校基本科研业务费资助项目（2009ZM0123）

），mail：rhluo@scut．edu．cn作者简介：罗荣华（1975-男，博士，副教授，主要从事智能机器人研究．E-