[发明专利]基于多级别特征数据关联的多目标视觉跟踪方法

说明书

技术领域

本发明属于安防监控及计算机视觉领域，涉及一种基于多级别特征数据关联的多目标视觉跟踪算法对监控场景中的多目标进行检测和跟踪的方法。

背景技术

近年来随着安防监控技术的不断发展，视频监控在社会生活中的应用日趋广泛，在交通管理、交通事故分析、社区安防、银行监控和社会稳定等方面对监控系统的要求更不断地增加。目标跟踪是智能视频监控中最核心的功能，通过跟踪监测出的目标得到其运动轨迹或高进一步分析其运动行为，为智能化监控提供可靠支持。

目前目标跟踪算法已经广泛地应用在实际的监控系统中，但大部分的算法仅适用于单个目标的跟踪。将单目标跟踪算法应用于场景中同时出现多个目标的跟踪情况，算法的效果及性能会有明显的下降，研究方法也比较有限。此外，多个目标跟踪本身存在着比单个目标跟踪更复杂的问题，例如，目标之间的重叠与换位，相似目标的混淆等，尤其在追踪行人目标时，人的行为活动会引起目标形状的不一致，而且行人间衣着发型的相似度较高等情况。

多目标跟踪算法是由单目标跟踪算法扩展而来，单目标跟踪算法主要分为：基于点的追踪算法，基于核的追踪算法和基于轮廓的追踪算法。单目标跟踪算法应用于多目标跟踪情况中复杂度较大，导致算法性能的急速下降，因此仅对已有的单目标跟踪算法进行扩展无法达到理想的多目标追踪期望。目前，已经存在许多多目标跟踪研究的方法期望解决上述的问题。在多目标运动过程中，物体间的遮挡会极大影响追踪的效果，而颜色特征的加入解决了部分遮挡问题，但单一的特征应用仍不能达到准确追踪的要求。此外，还有红外线和多摄像头辅助监控等手段以实现多目标跟踪研究，尽管成效明显但对场景中搭建的硬件环境要求很高。

发明内容

针对目前方法的缺陷，基于单视频下同一个场景内的多目标行人跟踪的需求，本发明提出了多级别特征数据关联的多目标视觉跟踪算法，通过对关联匹配目标的全局特征和局部特征的相似度进而提高多目标追踪的准确性。本发明主要包括模型建立和关联度计算两部分，步骤如下：

一种基于多级别特征数据关联的多目标视觉跟踪方法，包括下列步骤：

第一步，对于一段输入的监控视频，先采用背景差分法分离目标和背景，提取出视频帧中的目标，记录所有目标的位置及区域；

第二步，在记录每个目标的整体特征的同时，计算目标的局部特征，目标的整体特征主要包括：目标大小、目标位置、目标出现时间和目标整体颜色直方图；目标的局部特征主要包括局部纹理特征和局部区块目标的颜色统计值；

第三步，将上述得到的多个目标及各自的整体特征和局部特征结合；

第四步，过滤得到的目标，去除不同帧之间相似度低的目标组合，得到相似度高的目标组合；

第五步，对于相似度高的目标组合，计算各个目标的目标相似度、纹理相似度和局部颜色相似度，其中，目标相似度的计算包括目标位置相似度A_posO,目标大小相似度A_sizeO及整体颜色相似度A_apprO,纹理相似度通过计算两个相邻帧间目标对象的对应区块间的欧氏距离，加权求和后得到A_tex(r_j,r_i),同理，局部颜色相似度也为加权对应区块局部颜色统计值间的欧氏距离得到A_color(r_j,r_i);

第六步，将整体的所有相似度关联，若j，i为前后两帧，则整体关联度P_global(r_j,r_i)为A_posO,A_sizeO和A_apprO的乘积，否则为0；将局部的所有相似度关联，若j，i为前后两帧，则局部关联度P_local(r_j,r_i)为A_tex(r_j,r_i)和A_color(r_j,r_i)的乘积，否则为0；最后，将整体关联度和局部关联度结合起来，得到最终关联度P_link(r_j,r_i)=P_global(r_j,r_i)P_local(r_j,r_i);