本申請涉及目標(biāo)跟蹤，具體涉及一種抑制異常值的目標(biāo)運(yùn)動分析方法、裝置、設(shè)備及存儲介質(zhì)。
背景技術(shù)：
1、目標(biāo)跟蹤在智能監(jiān)控、無人駕駛、航空航天等眾多領(lǐng)域有著廣泛應(yīng)用。遞推最小二乘法（rls）作為一種常用的參數(shù)估計(jì)方法，因其能夠在線實(shí)時更新模型參數(shù)，在目標(biāo)跟蹤領(lǐng)域得到了諸多關(guān)注與應(yīng)用。它通過不斷利用新的觀測向量對模型參數(shù)進(jìn)行遞推更新，以適應(yīng)目標(biāo)運(yùn)動狀態(tài)的變化。
2、然而，在實(shí)際的目標(biāo)跟蹤場景中，觀測向量中常不可避免地存在異常值。這些異常值可能源于傳感器故障、外界干擾、目標(biāo)的非典型運(yùn)動等多種因素?，F(xiàn)有技術(shù)中，遞推最小二乘法在更新模型參數(shù)時，對觀測向量中的異常值較為敏感。由于其基于最小化殘差平方和的原理，異常值會在計(jì)算中產(chǎn)生較大的殘差貢獻(xiàn)，進(jìn)而對模型參數(shù)更新過程產(chǎn)生較大干擾。這使得模型參數(shù)更新的準(zhǔn)確性和穩(wěn)定性受到嚴(yán)重影響，導(dǎo)致目標(biāo)跟蹤精度下降，甚至可能出現(xiàn)目標(biāo)丟失的情況。因此，亟需一種能夠有效抑制觀測向量中異常值影響的方法，以提升遞推最小二乘法在目標(biāo)跟蹤中模型參數(shù)更新的準(zhǔn)確性和穩(wěn)定性。
技術(shù)實(shí)現(xiàn)思路
1、本申請?zhí)峁┮环N抑制異常值的目標(biāo)運(yùn)動分析方法、裝置、設(shè)備及存儲介質(zhì)，可以解決現(xiàn)有技術(shù)中存在的異常值對模型參數(shù)更新的準(zhǔn)確性和穩(wěn)定性造成嚴(yán)重影響的技術(shù)問題。
2、第一方面，本申請實(shí)施例提供一種抑制異常值的目標(biāo)運(yùn)動分析方法，所述目標(biāo)運(yùn)動分析方法包括：
3、對目標(biāo)運(yùn)動模型的模型參數(shù)和協(xié)方差矩陣進(jìn)行初始化；
4、根據(jù)最新輸入向量和目標(biāo)運(yùn)動模型計(jì)算得到最新輸出向量，根據(jù)最新輸出向量和最新觀測向量計(jì)算得到最新殘差向量；
5、根據(jù)最新殘差向量的范數(shù)和預(yù)設(shè)罰函數(shù)計(jì)算得到最新調(diào)整系數(shù)，其中，預(yù)設(shè)罰函數(shù)用于在最新殘差向量的范數(shù)大于預(yù)設(shè)閾值時抑制最新調(diào)整系數(shù)隨最新殘差向量的范數(shù)的增長幅度；
6、基于改進(jìn)rls算法，根據(jù)最新調(diào)整系數(shù)、最新輸入向量和最新殘差向量更新模型參數(shù)和協(xié)方差矩陣，其中，改進(jìn)rls算法在計(jì)算最新增益向量時，將更新前的協(xié)方差矩陣替換為調(diào)整協(xié)方差矩陣，調(diào)整協(xié)方差矩陣為更新前的協(xié)方差矩陣與最新調(diào)整系數(shù)的數(shù)乘矩陣。
7、進(jìn)一步地，一實(shí)施例中，預(yù)設(shè)罰函數(shù)為：
8、
9、其中，為最新調(diào)整系數(shù)，r為最新殘差向量的范數(shù)，為預(yù)設(shè)閾值。
10、進(jìn)一步地，一實(shí)施例中，預(yù)設(shè)罰函數(shù)為：
11、
12、其中，為最新調(diào)整系數(shù)，r為最新殘差向量的范數(shù)，為預(yù)設(shè)閾值。
13、進(jìn)一步地，一實(shí)施例中，預(yù)設(shè)罰函數(shù)為：
14、
15、其中，為最新調(diào)整系數(shù)，r為最新殘差向量的范數(shù)，為預(yù)設(shè)閾值，為調(diào)節(jié)參數(shù)，，為形狀參數(shù)，。
16、進(jìn)一步地，一實(shí)施例中，預(yù)設(shè)罰函數(shù)為：
17、
18、
19、
20、其中，為最新調(diào)整系數(shù)，r為最新殘差向量的范數(shù)，為預(yù)設(shè)閾值，為調(diào)節(jié)參數(shù)，，為形狀參數(shù)，。
21、進(jìn)一步地，一實(shí)施例中，預(yù)設(shè)罰函數(shù)為：
22、
23、
24、
25、其中，為最新調(diào)整系數(shù)，r為最新殘差向量的范數(shù)，為預(yù)設(shè)閾值，為調(diào)節(jié)參數(shù)，，為形狀參數(shù)，。
26、進(jìn)一步地，一實(shí)施例中，所述基于改進(jìn)rls算法，根據(jù)最新調(diào)整系數(shù)、最新輸入向量和最新殘差向量更新模型參數(shù)和協(xié)方差矩陣的步驟包括：
27、根據(jù)第一公式計(jì)算得到最新增益向量，第一公式為：
28、
29、其中，為最新增益向量，為調(diào)整協(xié)方差矩陣，為最新輸入向量，為遺忘因子，；
30、根據(jù)第二公式計(jì)算得到新的模型參數(shù)，第二公式為：
31、
32、其中，為更新后的模型參數(shù)，為更新前的模型參數(shù)，為最新觀測向量，為最新輸出向量，為最新殘差向量；
33、根據(jù)第三公式計(jì)算得到新的模型參數(shù)，第三公式為：
34、
35、其中，為更新后的協(xié)方差矩陣，為更新前的協(xié)方差矩陣，i為單位矩陣。
36、第二方面，本申請實(shí)施例還提供一種抑制異常值的目標(biāo)運(yùn)動分析裝置，所述目標(biāo)運(yùn)動分析裝置包括：
37、初始化模塊，用于對目標(biāo)運(yùn)動模型的模型參數(shù)和協(xié)方差矩陣進(jìn)行初始化；
38、預(yù)測更新模塊，用于根據(jù)最新輸入向量和目標(biāo)運(yùn)動模型計(jì)算得到最新輸出向量，根據(jù)最新輸出向量和最新觀測向量計(jì)算得到最新殘差向量；
39、調(diào)整抑制模塊，用于根據(jù)最新殘差向量的范數(shù)和預(yù)設(shè)罰函數(shù)計(jì)算得到最新調(diào)整系數(shù)，其中，預(yù)設(shè)罰函數(shù)用于在最新殘差向量的范數(shù)大于預(yù)設(shè)閾值時抑制最新調(diào)整系數(shù)隨最新殘差向量的范數(shù)的增長幅度；
40、遞推更新模塊，用于基于改進(jìn)rls算法，根據(jù)最新調(diào)整系數(shù)、最新輸入向量和最新殘差向量更新模型參數(shù)和協(xié)方差矩陣，其中，改進(jìn)rls算法在計(jì)算最新增益向量時，將更新前的協(xié)方差矩陣替換為調(diào)整協(xié)方差矩陣，調(diào)整協(xié)方差矩陣為更新前的協(xié)方差矩陣與最新調(diào)整系數(shù)的數(shù)乘矩陣。
41、第三方面，本申請實(shí)施例還提供一種抑制異常值的目標(biāo)運(yùn)動分析設(shè)備，所述目標(biāo)運(yùn)動分析設(shè)備包括處理器、存儲器、以及存儲在所述存儲器上并可被所述處理器執(zhí)行的目標(biāo)運(yùn)動分析程序，其中所述目標(biāo)運(yùn)動分析程序被所述處理器執(zhí)行時，實(shí)現(xiàn)上述目標(biāo)運(yùn)動分析方法的步驟。
42、第四方面，本申請實(shí)施例還提供一種存儲介質(zhì)，所述存儲介質(zhì)上存儲有目標(biāo)運(yùn)動分析程序，其中所述目標(biāo)運(yùn)動分析程序被處理器執(zhí)行時，實(shí)現(xiàn)上述目標(biāo)運(yùn)動分析方法的步驟。
43、本申請中，當(dāng)最新殘差向量的范數(shù)大于預(yù)設(shè)閾值時認(rèn)為最新觀測向量為異常值，在最新殘差向量的范數(shù)大于預(yù)設(shè)閾值時抑制最新調(diào)整系數(shù)隨最新殘差向量的范數(shù)的增長幅度，在計(jì)算最新增益向量時，將更新前的協(xié)方差矩陣替換為其與最新調(diào)整系數(shù)的數(shù)乘矩陣，從而降低最新增益向量對異常值的敏感性，降低異常值對模型參數(shù)更新的干擾。通過本申請，能夠有效抑制觀測向量中異常值的影響，提升了遞推最小二乘法在目標(biāo)跟蹤中模型參數(shù)更新的準(zhǔn)確性和穩(wěn)定性。
1.一種抑制異常值的目標(biāo)運(yùn)動分析方法，其特征在于，所述目標(biāo)運(yùn)動分析方法包括：
2.如權(quán)利要求1所述的目標(biāo)運(yùn)動分析方法，其特征在于，預(yù)設(shè)罰函數(shù)為：
3.如權(quán)利要求1所述的目標(biāo)運(yùn)動分析方法，其特征在于，預(yù)設(shè)罰函數(shù)為：
4.如權(quán)利要求1所述的目標(biāo)運(yùn)動分析方法，其特征在于，預(yù)設(shè)罰函數(shù)為：
5.如權(quán)利要求1所述的目標(biāo)運(yùn)動分析方法，其特征在于，預(yù)設(shè)罰函數(shù)為：
6.如權(quán)利要求1所述的目標(biāo)運(yùn)動分析方法，其特征在于，預(yù)設(shè)罰函數(shù)為：
7.如權(quán)利要求1至6中任一項(xiàng)所述的目標(biāo)運(yùn)動分析方法，其特征在于，所述基于改進(jìn)rls算法，根據(jù)最新調(diào)整系數(shù)、最新輸入向量和最新殘差向量更新模型參數(shù)和協(xié)方差矩陣的步驟包括：
8.一種抑制異常值的目標(biāo)運(yùn)動分析裝置，其特征在于，所述目標(biāo)運(yùn)動分析裝置包括：
9.一種抑制異常值的目標(biāo)運(yùn)動分析設(shè)備，其特征在于，所述目標(biāo)運(yùn)動分析設(shè)備包括處理器、存儲器、以及存儲在所述存儲器上并可被所述處理器執(zhí)行的目標(biāo)運(yùn)動分析程序，其中所述目標(biāo)運(yùn)動分析程序被所述處理器執(zhí)行時，實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的目標(biāo)運(yùn)動分析方法的步驟。
10.一種存儲介質(zhì)，其特征在于，所述存儲介質(zhì)上存儲有目標(biāo)運(yùn)動分析程序，其中所述目標(biāo)運(yùn)動分析程序被處理器執(zhí)行時，實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的目標(biāo)運(yùn)動分析方法的步驟。