技術(shù)特征：

1.基于多伯努利特征協(xié)方差的視頻多目標(biāo)跟蹤方法，包括：

(1)初始化步驟：

(1a)初始時(shí)刻k＝0，視頻總幀數(shù)為N，初始目標(biāo)狀態(tài)集為初始化目標(biāo)狀態(tài)其中表示初始目標(biāo)i矩形框左上角的坐標(biāo)，表示初始目標(biāo)i矩形框的寬，表示初始目標(biāo)i矩形框的高，M₀表示初始目標(biāo)個(gè)數(shù)，初始目標(biāo)存在概率P_s＝0.99，計(jì)算初始目標(biāo)i的特征協(xié)方差粒子初始化采樣；

(1b)初始化新生目標(biāo)狀態(tài)集為其中表示新生目標(biāo)i矩形框左上角的坐標(biāo)，表示新生目標(biāo)i矩形框的寬，表示新生目標(biāo)i矩形框的高，M_Γ表示新生目標(biāo)個(gè)數(shù)；本發(fā)明中新生目標(biāo)的新生位置假設(shè)固定在某坐標(biāo)范圍內(nèi)，且每一幀都有目標(biāo)新生，存在概率為0.02；計(jì)算新生目標(biāo)i的特征協(xié)方差初始化新生目標(biāo)的采樣粒子；

(1c)初始化采樣粒子參數(shù)，粒子最大數(shù)目為L_max，粒子最小數(shù)目為L_min，初始目標(biāo)狀態(tài)協(xié)方差Σ₀＝diag(1,1,0.1,0.1)；

(2)目標(biāo)狀態(tài)預(yù)測步驟：

(2a)假設(shè)目標(biāo)運(yùn)動(dòng)模型為隨機(jī)游走模型，即：

x(k+1)＝x(k)+e(k)

其中，x(k)表示k時(shí)刻目標(biāo)狀態(tài)，e(k)為k時(shí)刻高斯噪聲，其均值為0，目標(biāo)狀態(tài)協(xié)方差為

(2b)目標(biāo)預(yù)測，假設(shè)在k-1時(shí)刻多目標(biāo)的后驗(yàn)概率密度可用多伯努利參數(shù)集表示為：

${\mathrm{\π}}_{k-1}={\left\{(r_{k-1}^{\left(i\right)},p_{k-1}^{\left(i\right)})\right\}}_{i=1}^{M_{k-1}}$

其中，和分別表示k-1時(shí)刻目標(biāo)i的存在概率和概率分布，M_k-1表示k-1時(shí)刻目標(biāo)個(gè)數(shù)；則預(yù)測后的后驗(yàn)多目標(biāo)概率密度可表示為：

${\mathrm{\π}}_{k|k-1}={\left\{(r_{P,k|k-1}^{\left(i\right)},p_{P,k|k-1}^{\left(i\right)})\right\}}_{i=1}^{M_{k-1}}\∪{\left\{(r_{\mathrm{\Γ},k}^{\left(i\right)},p_{\mathrm{\Γ},k}^{\left(i\right)})\right\}}_{i=1}^{M_{\mathrm{\Γ},k}}$

其中，表示k時(shí)刻存活目標(biāo)的多伯努利參數(shù)集，和分別表示k時(shí)刻存活目標(biāo)i的存在概率和概率分布的預(yù)測值，表示k時(shí)刻新生目標(biāo)的多伯努利參數(shù)集，和分別表示k時(shí)刻新生目標(biāo)i的存在概率和概率分布，M_Γ,k表示k時(shí)刻新生目標(biāo)個(gè)數(shù)；

(3)目標(biāo)似然計(jì)算步驟：

(3a)本發(fā)明可處理灰度圖像序列和彩色圖像序列，其中，灰度圖像提取的五維特征分別為：灰度，m和n方向的一階梯度、二階梯度；彩色圖像提取的三維特征分別為：彩色圖像的H、S、V三色值；

初始化目標(biāo)模板的特征協(xié)方差T，候選目標(biāo)的特征協(xié)方差矩陣F，并計(jì)算兩協(xié)方差矩陣的相似性測度，即：

d(T,F)＝||log(T)-log(F)||

其中，log(·)表示對數(shù)運(yùn)算；

(3b)為了更精確地對目標(biāo)進(jìn)行描述，避免目標(biāo)被局部遮擋，增強(qiáng)目標(biāo)分辨能力，本發(fā)明將目標(biāo)表示為5個(gè)分塊，每個(gè)塊分別計(jì)算其特征協(xié)方差矩陣，并采用一個(gè)融合過程，融合所有塊的相似性測度，忽略候選目標(biāo)分塊中相似性測度的最小塊，得到總體相似性測度D，即：

$D(T_k^i,F_k^i)=\underset{\mathrm{\γ}}{min}\left({\mathrm{\Σ}}_{\mathrm{\ξ}=1}^{5}d\right(T_{k,\mathrm{\ξ}}^i,F_{k,\mathrm{\ξ}}^i)-d(T_{k,\mathrm{\γ}}^i,F_{k,\mathrm{\γ}}^i\left)\right)$

其中，min表示取最小值函數(shù)，表示k時(shí)刻目標(biāo)i模板的第ξ個(gè)分塊的特征協(xié)方差，表示k時(shí)刻候選目標(biāo)i的第ξ個(gè)分塊的特征協(xié)方差；

(3c)獲得總體相似性測度D后，k時(shí)刻候選目標(biāo)i的采樣粒子j的似然表示為：

$g_{j,k}^i=\frac{1}{\sqrt{2\mathrm{\π}}}{e}^{-\mathrm{\λ}D/2}$

其中，參數(shù)λ∈[10,30]；

此外，本發(fā)明中的特征模板T_ξ是根據(jù)前Φ個(gè)時(shí)刻的混合特征協(xié)方差矩陣計(jì)算得到，即：

$T_{\mathrm{\ξ}}=\exp \left(\frac{1}{\mathrm{\Φ}}{\mathrm{\Σ}}_{\mathrm{\τ}=k-1}^{k-\mathrm{\Φ}}\log \right(F_{\mathrm{\τ},\mathrm{\ξ}}\left)\right),\mathrm{\ξ}=1,2,\mathrm{...5}$

其中，F(xiàn)_τ,ξ表示在τ時(shí)刻目標(biāo)估計(jì)狀態(tài)的第ξ個(gè)分塊的特征協(xié)方差；

(4)目標(biāo)狀態(tài)更新步驟：

k時(shí)刻，假設(shè)視頻多目標(biāo)隨機(jī)有限集的預(yù)測概率密度可表示為：

${\mathrm{\π}}_{k|k-1}={\left\{\left(r_{k|k-1}^{\left(i\right)},p_{k|k-1}^{\left(i\right)}\right)\right\}}_{i=1}^{M_{k|k-1}},M_{k|k-1}=M_{k-1}+M_{\mathrm{\Γ},k}$

則更新后的多目標(biāo)后驗(yàn)概率密度可表示為：

${\mathrm{\π}}_k\≈{\left\{(r_{L,k}^{\left(i\right)},p_{L,k}^{\left(i\right)})\right\}}_{i=1}^{M_{k|k-1}}\∪{\{\left(r_{U,k}\right(z),p_{U,k}(\·;z)\}}_{z\∈Z_k}={\left\{(r_k^{\left(i\right)},p_k^{\left(i\right)})\right\}}_{i=1}^{M_k}$

其中，表示漏檢情況下對預(yù)測進(jìn)行更新得到的多伯努利參數(shù)集，表示對量測集進(jìn)行更新得到的多伯努利參數(shù)集，Z_k表示k時(shí)刻的量測集合，z表示量測集合的元素；M_k＝M_k|k-1+|Z_k|，|Z_k|表示量測的個(gè)數(shù)，和分別表示k時(shí)刻目標(biāo)i的存在概率和概率分布的更新；

(5)目標(biāo)狀態(tài)提取步驟：

為了避免粒子退化問題，對采樣粒子集進(jìn)行重采樣，且根據(jù)采樣粒子更新后的權(quán)值估計(jì)當(dāng)前k時(shí)刻目標(biāo)狀態(tài)集X_k，此外，為了避免多伯努利參數(shù)集數(shù)量的冗余，本發(fā)明中將存在概率小于0.01的目標(biāo)刪除；

(6)目標(biāo)緊鄰自適應(yīng)步驟：

當(dāng)兩個(gè)目緊鄰時(shí)，跟蹤結(jié)果往往會將兩個(gè)目標(biāo)判定為一個(gè)目標(biāo)，從而造成跟蹤錯(cuò)誤，甚至出現(xiàn)目標(biāo)漏跟現(xiàn)象；針對這種情況，本發(fā)明提出緊鄰自適應(yīng)處理機(jī)制；

(7)目標(biāo)跟蹤窗自適應(yīng)步驟：

當(dāng)視頻目標(biāo)尺寸發(fā)生較大變化時(shí)，跟蹤窗不能包含目標(biāo)的全部特征，造成信息丟失；為此，本發(fā)明提出跟蹤窗自適應(yīng)處理機(jī)制，使得跟蹤窗能自適應(yīng)目標(biāo)尺寸大小的變化；

(8)粒子標(biāo)記步驟：

本發(fā)明通過對粒子進(jìn)行標(biāo)記，以識別各個(gè)目標(biāo)，從而實(shí)現(xiàn)對目標(biāo)的軌跡跟蹤。

2.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其中步驟(2b)中由一組加權(quán)粒子表示，即：

$p_{k-1}^{\left(i\right)}\left(x\right)={\mathrm{\Σ}}_{j=1}^{L_{k-1}^{\left(i\right)}}{\mathrm{\ω}}_{k-1}^{(i,j)}{\mathrm{\δ}}_{x_{k-1}^{(i,j)}}\left(x\right)$

其中，表示k-1時(shí)刻目標(biāo)i的第j個(gè)采樣粒子的權(quán)值，表示k-1時(shí)刻目標(biāo)i的第j個(gè)采樣粒子的狀態(tài)向量，表示k-1時(shí)刻目標(biāo)i的采樣粒子個(gè)數(shù)，δ(·)為狄拉克函數(shù)；

新生粒子由新生目標(biāo)參數(shù)直接采樣獲得，存活目標(biāo)多伯努利參數(shù)表示為：

$r_{P,k|k-1}^{\left(i\right)}=r_{k-1}^{\left(i\right)}{\mathrm{\Σ}}_{j=1}^{L_{k-1}^{\left(i\right)}}{\mathrm{\ω}}_{k-1}^{(i,j)}{p}_{S,k}\left(x_{k-1}^{(i,j)}\right)$

$p_{P,k|k-1}^{\left(i\right)}\left(x\right)={\mathrm{\Σ}}_{j=1}^{L_{k-1}^{\left(i\right)}}{\widetilde{\mathrm{\ω}}}_{P,k|k-1}^{(i,j)}{\mathrm{\δ}}_{x_{P,k|k-1}^{(i,j)}}\left(x\right)$

其中，p_S,k為k時(shí)刻目標(biāo)存活概率，

$x_{P,k|k-1}^{(i,j)}~f_{k|k-1}(\·|x_{k-1}^{(i,j)}),$

${\mathrm{\ω}}_{P,k|k-1}^{(i,j)}={\mathrm{\ω}}_{k-1}^{(i,j)},$

${\widetilde{\mathrm{\ω}}}_{P,k|k-1}^{(i,j)}={\mathrm{\ω}}_{P,k|k-1}^{(i,j)}/{\mathrm{\Σ}}_{j=1}^{L_{k-1}^{\left(i\right)}}{\mathrm{\ω}}_{P,k|k-1}^{(i,j)}.$

3.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其中步驟(4)中由一組加權(quán)粒子表示，即：

$p_{k|k-1}^{\left(i\right)}\left(x\right)={\mathrm{\Σ}}_{j=1}^{L_{k|k-1}^{\left(i\right)}}{\mathrm{\ω}}_{k|k-1}^{(i,j)}{\mathrm{\δ}}_{x_{k|k-1}^{(i,j)}}\left(x\right)$

其中，表示k時(shí)刻目標(biāo)i的第j個(gè)采樣粒子的權(quán)值的預(yù)測值，表示k時(shí)刻目標(biāo)i的第j個(gè)采樣粒子的狀態(tài)向量的預(yù)測值；

新的粒子集進(jìn)行多伯努利參數(shù)更新，

$r_k^{\left(i\right)}=\frac{r_{k|k-1}^{\left(i\right)}{\mathrm{\ϵ}}_k^{\left(i\right)}}{(1-r_{k|k-1}^{\left(i\right)}+r_{k|k-1}^{\left(i\right)}{\mathrm{\ϵ}}_k^{\left(i\right)})}$

$p_k^{\left(i\right)}=\frac{1}{{\mathrm{\ϵ}}_k^{\left(i\right)}}{\mathrm{\Σ}}_{j=1}^{L_{k|k-1}^{\left(i\right)}}{\mathrm{\ω}}_{k|k-1}^{(i,j)}{g}_{yk}\left(x_{k|k-1}^{(i,j)}\right){\mathrm{\δ}}_{x_{k|k-1}^{(i,j)}}\left(x\right)$

其中，表示量測y對k時(shí)刻預(yù)測采樣粒子的似然，此處采樣粒子似然可由步驟(3c)獲得。

4.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其中步驟(6)所述的緊鄰目標(biāo)自適應(yīng)處理，按如下步驟進(jìn)行：

(4.1)判定目標(biāo)是否緊鄰

以水平方向緊鄰為例，假設(shè)目標(biāo)i與目標(biāo)j，兩個(gè)目標(biāo)的水平距離表示為若小于閥值判定兩個(gè)目標(biāo)水平方向上基本重合，不需要處理；而當(dāng)大于閥值且小于閥值時(shí)，判定兩個(gè)目標(biāo)在水平方向上緊鄰，且做分離處理，更新目標(biāo)的位置參數(shù)；

(4.2)緊鄰目標(biāo)分離處理

w_i、w_j分別表示目標(biāo)i、目標(biāo)j的矩形框的寬，當(dāng)判定兩個(gè)目標(biāo)水平方向上緊鄰后，對兩個(gè)目標(biāo)進(jìn)行水平分離處理為：

(4.2.1)目標(biāo)i的狀態(tài)為x_i＝[m_i,n_i,w_i,h_i]，目標(biāo)j的狀態(tài)為x_j＝[m_j,n_j,w_j,h_j]，α＝0.15；

(4.2.2)兩個(gè)目標(biāo)的水平距離為若則到步驟(4.2.3)；否則，無需進(jìn)行分離處理；

(4.2.3)若m_i≤m_j，則m_i＝m_i-w_iα,m_j＝m_j+w_jα；否則，m_i＝m_i+w_iα,m_j＝m_j-w_jα；垂直方向緊鄰判斷與分離處理方法與水平方向方法相同。

5.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其中步驟(7)所述的目標(biāo)跟蹤窗自適應(yīng)處理，按如下步驟進(jìn)行：

(5.1)獲取目標(biāo)擴(kuò)展?fàn)顟B(tài)

假設(shè)第k幀目標(biāo)i跟蹤結(jié)果中，提取出的目標(biāo)狀態(tài)為目標(biāo)i跟蹤結(jié)果的擴(kuò)展?fàn)顟B(tài)為

(5.2)目標(biāo)估計(jì)狀態(tài)更新

二值化圖像，獲取目標(biāo)i的矩形框內(nèi)包含最大連通區(qū)域的最小矩形框則目標(biāo)估計(jì)狀態(tài)更新為參數(shù)β取0.6；

(5.3)特殊情況處理

在某些情況下，當(dāng)兩個(gè)目標(biāo)緊鄰時(shí)，兩個(gè)目標(biāo)的連通區(qū)域會合并成一個(gè)連通區(qū)域，或者由于背景干擾，一個(gè)目標(biāo)由兩個(gè)或多個(gè)連通區(qū)域組成，這些情況可能導(dǎo)致最大連通區(qū)域發(fā)生突變；本發(fā)明將采用多個(gè)時(shí)刻的狀態(tài)融合方法，解決最大連通區(qū)域突變導(dǎo)致的跟蹤窗自適應(yīng)失敗的問題，即：

$x_{k,i}=\mathrm{\μ}(x_{k-d,i}+x_{k-d+1,i}+...+x_{k-1,i})+(1-\mathrm{\μ})x_{k,i}^F,k\>5$

其中，設(shè)參數(shù)μ為0.5，d為5，即k時(shí)刻目標(biāo)i的狀態(tài)x_k,i是由前5幀該目標(biāo)的狀態(tài)與當(dāng)前時(shí)刻的加權(quán)求和得到的值。

6.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其中步驟(8)所述的粒子標(biāo)記技術(shù)，按如下步驟進(jìn)行：

(6.1)標(biāo)記預(yù)測，k-1時(shí)刻，存活目標(biāo)的多伯努利分量粒子標(biāo)記可表示為：

$T_{k-1}={\left\{T_{k-1}^{\left(i\right)}\right\}}_{i=1}^{M_{k-1}}={\left\{t_{k-1}^{\left(i\right)\left(1\right)},t_{k-1}^{\left(i\right)\left(2\right)},...,t_{k-1}^{\left(i\right)\left(L_{k-1}^{\left(i\right)}\right)}\right\}}_{i=1}^{M_{k-1}}$

其中，M_k-1表示伯努利分量的個(gè)數(shù)，表示第i個(gè)伯努利分量的粒子數(shù)，且即同一個(gè)伯努利分量的粒子標(biāo)記相同；新生的多伯努利分量的粒子標(biāo)記可表示為：

$T_{\mathrm{\Γ}}={\left\{T_{\mathrm{\Γ}}^{\left(i\right)}\right)}_{i=1}^{L_{\mathrm{\Γ}}}={\left\{t_{\mathrm{\Γ}}^{\left(i\right)\left(1\right)},t_{\mathrm{\Γ}}^{\left(i\right)\left(2\right)},...,t_{\mathrm{\Γ}}^{\left(i\right)\left(L_{\mathrm{\Γ}}^{\left(i\right)}\right)}\right\}}_{i=1}^{M_{\mathrm{\Γ}}}$

其中，M_Γ表示新生伯努利分量的個(gè)數(shù)，表示第i個(gè)新生伯努利分量的粒子數(shù)，且則伯努利分量標(biāo)記的預(yù)測可以表示為：T_k|k-1＝T_k-1+T_Γ；

(6.2)標(biāo)記更新，量測跟新后伯努利分量的標(biāo)記可表示為：

$T_{k|k}=T_{k|k-1}\∪T_{k|k-1}^1\∪\mathrm{...}\∪T_{k|k-1}^{\left|Z_k\right|}$

其中，|Z_k|表示量測個(gè)數(shù)，

(6.3)重采樣，重采樣后的粒子與它們的父輩粒子具有相同的標(biāo)記，重采樣后的伯努利分量的標(biāo)記為：

$T_k=T_k^1\∪\mathrm{...}\∪T_k^{M_k}$

其中M_k為量測跟新后伯努利分量個(gè)數(shù)，

通過比較各個(gè)伯努利分量的標(biāo)記即可識別各個(gè)目標(biāo)的運(yùn)動(dòng)軌跡；其中，當(dāng)目標(biāo)合并時(shí)，合并目標(biāo)的標(biāo)記為被合并兩個(gè)目標(biāo)存在概率較大目標(biāo)的標(biāo)記。