基于自适应强度估计与协同惩罚剪枝的空间多目标跟踪方法

本发明公开了一种基于自适应强度估计与协同惩罚剪枝的空间多目标跟踪方法，该方法针对GM‑CPHD算法在空间多目标跟踪场景中存在的新生目标先验依赖性强及密集目标误合并问题，首先通过量测数据驱动构建新生目标强度自适应估计模型，动态生成潜在目标的高斯分量；其次基于目标运动特征设计协同惩罚机制，优化剪枝合并过程中的分量权重分配策略，能够实现对未知新生目标强度的空间密集多目标跟踪。本发明方法的优点是：(1)无需预定义新生目标强度分布，可动态适应任意时空位置的新目标出现；(2)通过运动特征约束抑制密集目标的高斯分量误合并，提升空间紧邻目标的分辨能力；(3)在复杂场景下保持多目标状态估计的鲁棒性与实时性。本发明能够有效解决传统算法对新生目标先验知识的依赖问题，同时避免密集目标跟踪的身份混淆，显著提升空间多目标跟踪系统的自主性与准确性。