● 摘要
现如今，目标检测和跟踪系统在军事和民用领域得到广泛的应用，涉及交通管理、物流跟踪、智能楼宇、战场监控、军事训练等众多领域。采用无线传感器网络进行目标跟踪，具有良好的可靠性、鲁棒性、安全性及经济性。同时，被动式热释电红外传感器具有目标识别能力强、反应速度快、功耗小、价格低等优点，可以设计低成本的监控系统，对目标视频监控系统实现有效补充。但是，由于红外传感器获取信息有限，给目标定位和准确跟踪带来了很大难度。本论文基于热释电红外传感器和无线传感器网络技术，对人体目标探测跟踪系统进行研究，主要研究内容如下：
由于现有的红外传感器测向交叉定位方法定位精度不高，多目标跟踪时虚假定位点问题尤其突出，本论文提出了一种基于概率神经网络区域划分的新型交叉定位方法，将空间可视区域划分并编码，通过神经网络分类器确定目标所在子区域，实现目标的粗定位，再结合现有的交叉定位方法，采用一定的剔除准则，剔除多余初级量测点，对剩余量测点进行聚类和融合后实现细定位，得到最终定位点，单/多目标的定位精度分别平均提升了29.31%和25.81%。
对于如何有效剔除虚假点提升定位精度，进而改善多目标交叉轨迹小夹角的跟踪问题，研究了基于基准线剔除虚假点的定位方法。通过增加多个主基准站，对原方法进行了改进。并在假设某一基站探测精度提升的前提下，对该方法的有效性和局限性进行了仿真论证。
对非机动人体目标的跟踪，重点解决滤波算法和多目标数据关联问题。跟踪滤波给出了一种改进的自适应系统状态噪声的卡尔曼滤波，和一种改进的基于Sage-Husa的自适应卡尔曼滤波算法，使单/多目标的跟踪精度得到了提高；研究了联合概率数据关联，并成功应用于本论文的红外传感器网络跟踪系统中。考虑到系统的实用性和快速性，跟踪起始和跟踪终结分别采用了基于逻辑的跟踪起始和N次连续扫描的跟踪终结方法。
此外，对红外机动目标跟踪也进行了尝试研究，通过建立3个模型的机动模型集，采用交互式多模型算法和卡尔曼滤波结合，对多种情景下的单机动跟踪进行了Monte Carlo仿真和系统仿真。
最后，将目标定位算法、跟踪滤波算法、多目标数据关联算法等综合应用于仿真和实验平台进行了全面验证，单人和多人跟踪精度均得到了有效提升，达到了预期的系统设计目标。