追踪一群鸟

打开脚本

这个例子展示了如何跟踪大量的对象。基于全局最近邻多目标跟踪器，Trackergnn.，用于估计羊群中每只鸟的运动。

场景定义

使用Reynolds提出的行为模型模拟植绒运动[1]。在该示例中，羊群由1000个模拟鸟类组成，称为BoIDS，其初始位置和速度先前被保存。他们遵循三个植绒规则：碰撞避免，速度匹配和群居中。每个规则与重量相关联，群的整体行为从每个规则的相对加权出现。在这种情况下，选择重量，使得群围绕某个点飞行并产生密集的中心。其他权重设置会导致出现不同的行为。

跟踪如此大而密集的鸡群呈现两个挑战：

如何有效跟踪1000杆？
如何能够在如此密集的环境中跟踪个体笨拙？

下面的代码模拟了100步0.1秒的鸟群行为。左边的图显示了整个羊群，右边的图放大了羊群中心最密集的部分。

S = RNG;%保持随机数生成器的当前状态RNG（2019）;%为可重复的结果设置随机数生成器负载(“initialflock.mat”，“x”，“v”）;群= helperFlock (“NumBoids”、大小(x, 1),“CollisionAviodanceWeight”, 0.5,．..“VelocityMatchingWeight”, 0.1,“FlockCenteringWeight”, 0.5,“速度”v,．..“位置”, x,“BoidAcceleration”1);truLabels =字符串(num2str ((1: flock.NumBoids) '));绑定= 20;flockCenter =意味着(x, 1);[tp1, tp2] = helperCreateDisplay (x,绑定);％模拟了100个植绒步骤numSteps = 100;allx = repmat(x，[1 1 numSteps]);dt = 0.1;为了i = 1:numSteps [x,v] = move(flock,dt);allx (:,:, i) = x;plotTrack(tp1. ploters (1)，x) inView = findview (x，-bound+flockCenter,bound+flockCenter);plotTrack (tp2.Plotters (1) x(针对我国有关矿山截污库坝,:),truLabels(针对我国有关矿山截污库坝))drawnow结尾

跟踪器的定义

如示例中所示，您定义了跟踪器如何有效跟踪大量对象．

您观察到BOIDS遵循弯曲路径，然后选择由此定义的常量转弯模型initctekf.．

为了限制计算成本所需的时间，可以降低中粗略的成本计算阈值分派察觉到一个较低的值。

此外，您选择更高效Jonker-Volgenant作为分配算法，而不是默认值Munkres算法。

您需要快速确认和删除曲目，将确认阈值和删除阈值分别设置为[2 3]和[2 2]。

最后，你知道传感器只能扫描鸟群的一小部分，所以你设置HasDetectableTrackIDsInput来真正的才能将可检测的跟踪id传递给跟踪器。

以下行显示了如何使用上述属性配置跟踪器。您可以看到如何为racitioner生成代码如何为跟踪器生成C代码，并且此示例的跟踪器将保存在FlockTracker_kernel.M的函数中

％跟踪器= trackergnn（“filterinitializationfcn”，@ initctekf，“maxnumtracks”，1500，...%”AssignmentThreshold”,[800],“任务”,“Jonker-Volgenant”,…% " confirationthreshold "，[2 3]，"DeletionThreshold"，[2 2]，…%”HasDetectableTrackIDsInput”,真正的);

跟踪羊群

接下来，您运行方案并跟踪群。

使用简化的传感器模型使用detectFlock金宝app支持功能。它模拟了一个从左到右扫描鸟群的传感器，并在每次扫描的x轴上捕捉到鸟群跨度的五分之一。该传感器有0.98的检测概率，噪声使用一个标准偏差0.1米左右的每个位置分量的正态分布模拟。

传感器报告其currentScan用于向跟踪器提供可检测的轨道ID的界限。

清晰的flocktracker_kernel.positionSelector = [1 0 0 0 0 0;0 0 1 0 0 0 0;0 0 0 0 1 0];trackIDs = 0 (0, 1,“uint32”）;Trax =零（0,3）;界限= INF（3,2）;AllTrax = Zeros（尺寸（allx））;ALLIDS = REPMAT（{}，1，NUMSTEP）;trup2 = tp2.plotters（1）;trap2 = tp2.plotters（2）;trup2.historydepth = 2 * trap2.historydepth;Clearplotterdata（TP1）Clearplotterdata（TP2）为了i = 1:numSteps t = i*dt;[detections, currentScan] = detectFlock(allx(:，:，i)，t);范围(:1)= currentScan;tracksInScan = findInView (trax,界限(:1),边界(:,2));(跟踪、信息)= flockTracker_kernel(检测t trackIDs (tracksInScan 1));trax = getTrackPositions(跟踪、positionSelector);如果〜isempty（曲目）trackids = uint32（[tracks.trackid]'）;别的trackIDs = 0 (0, 1,“uint32”）;结尾alltrax(1:尺寸(trax, 1), 1:3, i) = trax;allIDs{我}=字符串(trackIDs);helperVisualizeDisplay (tp1, tp2 truLabels、allx allIDs, alltrax,我)结尾rng(年代);将随机数生成器重置为以前的状态

在生成的代码中跟踪器的结果

下面的GIF在一个mex文件中显示了跟踪器的性能。

总结

这个示例展示了如何在一个真实的场景中跟踪大量的对象，其中扫描传感器在每次扫描中只报告一小部分对象。该示例演示了如何为大量对象设置跟踪器，以及如何使用可检测的轨迹id输入来防止轨迹被删除。

参考文献

[1]克雷格W. reynolds，“羊群，牛群和学校：行为模型”，计算机图形，卷。21，1987年7月4日。

金宝app支持功能

Helpercreatedisplay.

该函数创建示例显示，并返回两个戏剧情节的句柄。

功能[tp1,tp2] = helperCreateDisplay(x,bound) f = figure(“可见的”，“关闭”）;设置（f，“位置”，[1 1 1425 700]);movegui (f,“中央”h1 = upanel (f，“字体大小”12“位置”，[。01 .01 .48 .98]，“标题”，“群视图”）;H2 = UIPanel（F，“字体大小”12“位置”,(。50.01 . 48.98]，“标题”，“群中心”）;flockCenter =意味着(x, 1);a1 =轴(h1,“位置”，[0.05 0.05 0.9 0.9]);网格(a1,“上”) tp1 = theaterPlot(“父”, a1);％植绒视图（截断）halfspan = 250;tp1。XLimits = 100*round([-halfspan+flockCenter(1) halfspan+flockCenter(1)]/100);tp1。YLimits = 100*round([-halfspan+flockCenter(2) halfspan+flockCenter(2)]/100);tp1。ZLimits = 100*round([-halfspan+flockCenter(3) halfspan+flockCenter(3)]/100);trackPlotter (tp1“DisplayName”，“真相”，“HistoryDepth”，0，“标记”，“^”，“Markersize”4“connecthistory”，“关闭”）;集(findall (a1,“类型”，“行”，“标签”，“tpTrackHistory_Truth”），“颜色”，“k”）;视图(a1, 3)传说(“位置”，“东北”）%聚集中心a2 =轴(h2,“位置”，[0.05 0.05 0.9 0.9]);网格(a2,“上”）tp2 = theaterplot（“父”a2);tp2。XLimits = 10*round([-bound+flockCenter(1) bound+flockCenter(1)]/10);tp2。YLimits = 10*round([-bound+flockCenter(2) bound+flockCenter(2)]/10);tp2。ZLimits = 10*round([-bound+flockCenter(3) bound+flockCenter(3)]/10);trackPlotter (tp2“DisplayName”，“真相”，“HistoryDepth”，0，．..“标记”，“^”，“Markersize”6“connecthistory”，“关闭”，“字体大小”1);set（findall（a2，“类型”，“行”，“标签”，“tpTrackHistory_Truth”），“颜色”，“k”）;%跟踪策划者trackcolor = [0 0.4470 0.7410];%的蓝色TrackLength = 50;trackPlotter (tp1“DisplayName”，“轨道”，“HistoryDepth”，trackLength，“connecthistory”，“关闭”，．..“标记”，“。”，“Markersize”，3，“markeredgecolor”TrackColor,“MarkerFaceColor”, TrackColor);set（findall（tp1.parent，“类型”，“行”，“标签”，“tptrackhistory_tracks”），．..“颜色”TrackColor,“Markersize”，3，“markeredgecolor”, TrackColor);trackPlotter (tp2“DisplayName”，“轨道”，“HistoryDepth”，trackLength，“connecthistory”，“在”，．..“标记”，“s”，“Markersize”8“markeredgecolor”TrackColor,“MarkerFaceColor”，“没有任何”，“字体大小”1);集(findall (tp2。父母,“类型”，“行”，“标签”，“tpTrackPositions_Tracks”），“线宽”，2）;set（findall（tp2.parent，“类型”，“行”，“标签”，“tptrackhistory_tracks”），“颜色”TrackColor,“线宽”1);视图(a2, 3)传说(“位置”，“东北”）设置（f，'可见的'，“上”）结尾

detectFlock

该函数模拟了传感器模型。它返回一个检测数组和当前传感器扫描限制。

功能[检测，Scanlimits] = DetectFlock（X，T）持续的sigma allDetections currentScan numScans numBoids = size(x,1);pd = 0.98;如果Isempty (sigma) sigma = 0.1;oneDet = objectDetection (0 (0, 0, 0)“MeasurementNoise”σ,“ObjectAttributes”，结构）;alldetections = Repmat（Onedet，Numboids，1）;潮流= 1;numscans = 5;结尾所有检测的百分比矢量化计算X = X + sigma*randn(size(X));[allDetections。时间)=交易(t);y = mat2cell (x ', 3,(1,尺寸(x, 1)));[allDetections。测量]=交易(y {:});%根据扫描次数限制覆盖区域flockXSpan = [min (x(: 1),[], 1)、马克斯(x (: 1), [], 1)];spanPerScan = (flockXSpan (2) -flockXSpan (1)) / numScans;scanLimits = flockXSpan(1) + spanscancan * [(currentScan-1) currentScan];第1 =,(x (: 1) > = scanLimits (1) x (: 1) < = scanLimits (2));%添加Pd画=兰德(大小(第1));= (draw%提升扫描计数Currentscan = Currentscan + 1;如果潮流> NumScans Currentscan = 1;结尾结尾

findInView

该函数返回一个逻辑阵列，用于落在限制范围内的位置minBound和maxBound.．

功能inView = findview (x,minBound,maxBound) inView = false(size(x,1)，1);针对我国有关矿山截污库坝(,)= (x (: 1) > minBound(1)和x (: 1) < maxBound & (1))．..（x（:,2）> minbound（2）＆x（:,2）．..(x (:, 3) > minBound(3)和x (:, 3) < maxBound (3));结尾

helperVisualizeDisplay

该功能显示跟踪后的羊群和轨迹。

功能HelperVisualizeSplay（TP1，TP2，Trulabels，ALLX，ALLIDS，ALLTRAX，I）TRUP1 = TP1.plotters（1）;trap1 = tp1.plotters（2）;trup2 = tp2.plotters（1）;trap2 = tp2.plotters（2）;plottrack（trup1，allx（：，：，i））n = numel（allids {i}）;plottrack（trap1，AllTrax（1：N，：i））绑定= [tp2.xlimits; tp2.ylimits; tp2.zlimits];Inview = findInview（allx（：，：，i），界限（：，1），界限（:,2））;plottrack（trup2，allx（Inview，：，i），trulabels（Inview））Inview = findInview（AllTrax（1：N，：，I），界限（：，1），界限（:,2））;Plottrack（trap2，AllTrax（Inview，：i），AllIds {i}（Inview））绘制结尾