一種基于連續(xù)最小能量與表觀模型的多目標關(guān)聯(lián)跟蹤方法
【專利摘要】本發(fā)明公開了一種基于連續(xù)最小能量與表觀模型的多目標關(guān)聯(lián)跟蹤方法，該方法首先在目標檢測和初始軌跡提取基礎(chǔ)上，利用在線判別表觀模型和AdBoost方法實現(xiàn)目標的初步關(guān)聯(lián)，得到零散、且不連續(xù)的跟蹤軌跡；然后，利用匈牙利方法對初次關(guān)聯(lián)得到的短小、可靠的跟蹤片段進行二關(guān)聯(lián)；二次關(guān)聯(lián)雖然可以得到連續(xù)的跟蹤軌跡，但是不適合長時間目標跟蹤的過程；最后采用基于最小能量的智能探測方法來彌補二次關(guān)聯(lián)的缺陷，得到最終的更加平滑、連續(xù)的跟蹤軌跡。
【專利說明】一種基于連續(xù)最小能量與表觀模型的多目標關(guān)聯(lián)跟蹤方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種計算機視覺領(lǐng)域的多目標跟蹤方法，特別涉及一種基于連續(xù)最小能量與表觀模型學(xué)習(xí)的分層多目標關(guān)聯(lián)跟蹤方法。
【背景技術(shù)】
[0002]視頻多目標跟蹤是計算機視覺領(lǐng)域里的難點和重點。與單目標跟蹤相比，多目標跟蹤具有更廣泛、更實際的應(yīng)用性。在很多跟蹤場景中，人們感興趣的目標可能不止一個，對于視頻中的目標進行的行為分析、視頻理解及行為識別，需要考慮到多個目標之間的交互，因此實現(xiàn)多目標跟蹤是非常必要的。
[0003]近年來，由于目標檢測性能的提高，基于檢測方法的跟蹤技術(shù)已經(jīng)越來越受歡迎。這些方法綜合了目標的輪廓特征、位移特征、速度等特征，然后將這些元素綜合成一個近似的模型，用來測量檢測響應(yīng)或是最佳關(guān)聯(lián)結(jié)構(gòu)微小軌跡間的相似性。盡管關(guān)聯(lián)結(jié)構(gòu)已經(jīng)存在很多的方法，但是改進的輪廓模型方法卻沒有太多的研究，之前很多方法為了實現(xiàn)一致性測量，僅采用計算兩個整體顏色直方圖間的距離的方法。
[0004]盡管多目標跟蹤在很多方面都得到了廣泛的應(yīng)用，但是要跟蹤多個目標、同時魯棒地維護數(shù)據(jù)關(guān)聯(lián)仍然是一個巨大的挑戰(zhàn)，尤其在目標相互遮擋的情況下。這是由于以下幾個原因:
[0005]1)時空限制:隨著時間的推移，感興趣區(qū)域中的跟蹤目標軌跡的數(shù)量會逐漸增大，且每一個離散目標都有一個軌跡，但是該目標是否屬于同一個目標往往不明，需要進行進一步的判斷。
[0006]2)目標之間相互約束:在相同目標的不同位置之間和不同的目標之間，存在若干外在條件導(dǎo)致的依存關(guān)系。如每個對象的線速度和角速度必須在物理上是合理的，任何兩個物體之間的距離不能任意小。由于離散軌跡并不是相互獨立的，跟蹤目標之間的遮擋會導(dǎo)致目標輪廓的變化。而本發(fā)明能夠很好地解決上面的問題。

【發(fā)明內(nèi)容】

[0007]本發(fā)明目的在于解決目標檢測對象之間的相互遮擋引起的誤警問題，該方法將目標對象的檢測信息在一個能量函數(shù)中，通過求解出最佳的能量值來找到整個跟蹤序列的關(guān)聯(lián)解決策略，而不是通過逐個對目標進行關(guān)聯(lián)來實現(xiàn)目標的跟蹤；該方法不僅使得跟蹤軌跡更加連續(xù)、平滑，而且可以降低由于目標標簽互換(IDs)帶來的虛警。
[0008]本發(fā)明解決其技術(shù)問題所采取的技術(shù)方案是:本發(fā)明提出了一種基于連續(xù)最小能量與表觀模型的多目標關(guān)聯(lián)跟蹤方法，該方法包括如下步驟:
[0009]方法流程:
[0010]步驟1，輸入給定的訓(xùn)練視頻圖像數(shù)據(jù)，將檢測對象的集合記為R={ri},人每幀
中的檢測對象表示為A=Ui, y” Si, t” aj ； (xi； Yi)表示目標i的位置坐標信息，Si代表目標的大小，t為目標出現(xiàn)的幀序號，％目標i的顏色直方圖。跟蹤片段Tk可以表示為
【權(quán)利要求】
1.一種基于連續(xù)最小能量與表觀模型的多目標關(guān)聯(lián)跟蹤方法，其特征在于，所述方法包括如下步驟: 步驟1:輸入給定的訓(xùn)練視頻圖像數(shù)據(jù)，將檢測對象的集合記為w ；每幀中的檢測對象表示為I^i=Ui, Yi, Si, ti； aj ； (Xi, Yi)表示目標i的位置坐標信息，Si代表目標的大小，\為目標出現(xiàn)的幀序號，％目標i的顏色直方圖；跟蹤片段Tk表示為
2.根據(jù)權(quán)利要求1所述的一種基于連續(xù)最小能量與表觀模型的多目標關(guān)聯(lián)跟蹤方法，其特征在于，所述方法的步驟I中包括: 步驟1-1:在線判別表觀模型的初步關(guān)聯(lián)方法； 在線判別表觀模型包括四個部分為:樣本采集，特征提取，相似性測量和學(xué)習(xí)方法，包括: (1)訓(xùn)練樣本采集； 利用時空約束條件和雙閾值策略，檢測得到可靠的初始跟蹤片段，并從這些跟蹤片段中提取正、負訓(xùn)練樣本；采用雙閾值策略得到的初始軌跡； 定義示例空間為Ω=?!χ5Ι,其中iR:是跟蹤片段的檢測響應(yīng)集,樣本集B=B+ U B.表示為:
3.根據(jù)權(quán)利要求1所述的一種基于連續(xù)最小能量與表觀模型的多目標關(guān)聯(lián)跟蹤方法，其特征在于，所述方法的步驟4中包括: O目標軌跡的增長和縮減是指使用智能軌跡探測法在時空上對每個目標的跟蹤軌跡進行擴展和縮短； 2)目標軌跡的拆分和合并:為消除目標跟蹤過程中由于目標的相互遮擋而引起的目標身份互換的現(xiàn)象，對標準軌跡進行拆分和合并； 3)添加和刪除:能量函數(shù)迭代中，能量最強的位置該目標不屬于原有的標準跟蹤片段；對該目標重新建立一個新的軌跡，將其放入跟蹤軌跡曲線中。
【文檔編號】G06T7/20GK103955947SQ201410108136
【公開日】2014年7月30日 申請日期:2014年3月21日 優(yōu)先權(quán)日:2014年3月21日
【發(fā)明者】朱松豪, 胡娟娟, 李向向, 陳玲玲 申請人:南京郵電大學(xué)