[发明专利]基于特征匹配矩阵的多目标数据关联算法

说明书

技术领域

本发明属于光电技术领域，具体涉及一种基于特征匹配矩阵的多目标数据关联算法。

背景技术

视频目标跟踪技术是计算机视觉以及信息融合领域的重要课题，融合了许多领域的先进技术，如人工智能、图像处理、模式识别、自动控制等。由于视频目标跟踪的结果蕴含了每帧图像中所检测到的运动目标的大量信息，所以在军事和民用上有着非常广泛的应用价值。在军事方面的应用包括：军用跟踪瞄准系统；民事方面的应用包括：智能视频监控，智能交通监控，基于视觉的人机交互系统，以及图像检索系统等。

在海量视频检索系统中需要对运动目标的信息进行准确地关联。但是由于视频场景的复杂性和多样性，在对视频中的运动目标进行跟踪时，当单个目标出现相互遮挡，多个目标融合为一个目标组，原目标信息可能丢失，从而导致运动目标的误关联。因此如何实现在遮挡情况下的多目标数据关联是海量视频检索系统的难点和关键。

发明内容

本发明的目的在于提供一种基于特征匹配矩阵的多目标数据关联算法，通过多特征匹配矩阵对运动目标的运动状态进行判定，并在目标合并遮挡情况下，通过Kalman滤波和直方图相交算法的融合实现多目标之间的数据关联。

为达到上述目的，本发明所采取的技术方案为：

一种基于特征匹配矩阵的多目标数据关联算法，该算法包括如下步骤：

步骤一：在拍摄设备静止状态下采集当前视频序列图像；

设第t-1帧的运动目标数目为M，第t帧中需要关联的运动区域数目为N，目标集为Ob＝{ob_i|i＝1,2,...,M}，区域集为Fg＝{fg_j|j＝1,2,...,N}，则目标集ob_i与区域集fg_j的匹配结果即为关联匹配矩阵的元素，匹配矩阵的行为t-1帧的运动目标，列为需要关联的运动区域数目，各个匹配元素R(i,j)组成M×N的关联匹配矩阵R；

步骤二：计算t时刻的第j个运动区域的中心位置与t-1时刻运动目标中心位置距离最近的目标，作为该目标的延续，记最近匹配距离为d(i,j)；

步骤三：计算t-1帧和t帧各运动目标的相交面积，若t时刻目标与当前区域目标相交面积大于一定阈值，表明当前目标为该目标的延续，记相交面积为s(i，j)；

步骤四：当上述中心关联距离和区域相交面积都大于一定阈值，则置关联匹配矩阵R的元素R(i,j)为1；

步骤五：对关联匹配矩阵R阵进行判断：

对R每一列fg_j，计算该列的和

（1）若c_j＝0，表明fg_j没有与其相关联的目标，为新增目标，令目标数量M＝M+1，则为出现新目标状态；

（2）若c_j＝1，则对应理想跟踪状态；

（3）若c_j＞1，表明有c_j个目标合并为当前目标fg_j，则进入合并预测跟踪状态；

步骤六：对于出现新目标和理想跟踪状态，通过形心匹配方法进行关联跟踪；对于目标出现合并状态，则分别保留目标合并前的运动信息和颜色信息，进行Kalman滤波和直方图融合的合并跟踪；

步骤七：对关联匹配矩阵R每一行Ob_i，计算该行的和

若r_j＝0，表明对应目标暂时消失，由于目标可能被静止物体暂时完全遮挡，所以当该目标持续数帧都没有相关联的目标，表明该目标处于消失状态。

所述步骤六进行Kalman滤波和直方图融合的合并跟踪的方法如下：在HSV颜色空间得到目标颜色直方图，并利用直方图相交算法来更新Kalman滤波量测状态，通过Kalman滤波实现合并状态下运动目标的最佳线性递推估计。

本发明所取得的有益效果为：

本发明所述基于特征匹配矩阵的多目标数据关联算法，通过多特征匹配矩阵对运动目标的运动状态进行判定，不仅能实现在新目标出现和理想跟踪状态下的多目标数据关联，而且在目标合并遮挡情况下，通过Kalman滤波和直方图相交算法的融合实现目标之间的数据关联。

附图说明

图1为本发明所述基于特征匹配矩阵的多目标数据关联算法流程图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

如图1所示，本发明所述基于特征匹配矩阵的多目标数据关联算法包括如下步骤：