[发明专利]基于联合推理的视频多目标跟踪方法

权利要求书

1.一种基于联合推理的视频多目标跟踪方法，其特征在于，通过首先读入视频文件的一帧图像并对其进行图像栅格化处理，然后采用在线检测器以及作为跟踪器的KLT跟踪算法标定目标的候选位置，分别筛选后综合结果，其次将得出的候选位置结果进行量化评分，最后利用联合函数来描述目标跟踪情况并将基于联合函数的最优解作为目标在这一帧的位置，即实现目标跟踪。

2.根据权利要求1所述的方法，其特征是，所述的初始化操作是指：初始化检测器与跟踪器，通过random fern在线学习的方法更新检测器，同时基于KLT算法的跟踪器也会在目标范围内选出特征点，用于下一帧的目标跟踪。

3.根据权利要求1所述的方法，其特征是，所述的图像栅格化处理，是指：用大小不一的滑动窗口扫描整帧图像得到不同位置大小不同的图像块，用来作为候选目标，具体为：首先根据初始化目标的大小，等比得出一系列不同尺度大小的滑动窗口，尺度变换的比例范围是1.2^-10～1.2¹⁰；每个滑动窗口依次按照从左到右从上到下的顺序遍历整幅图像，滑动窗口位移大小为窗口大小的0.1，即得到很多不同位置大小不同的图像块。

4.根据权利要求1所述的方法，其特征是，所述的候选位置通过以下方式得到：

首先，计算图像块密度方差，当图像块密度方差过小，则被排除，被跟踪目标模板图像在第一帧初始化时取得，图像块方具体差计算公式为：其中：p_i指的是第i幅图像块的灰度图像，E()指的是求平均函数，当则第i幅图像块就被保留，其中：l为固定参数，表示模板图像的方差；

然后，对输入图像区块提取二值特征，利用random fern算法在线训练得到的分类器估计每一个通过密度方差判断的图像块与被检测目标的相似度，相似度判断公式为：Pc₁|x)=其中：c₁表示训练类别，这里训练时只有两种类别，与被检测目标相似用c₁表示，与被检测目标不相似，用c₀表示；P_i(c₁|x)表示第i颗fern得到的后验概率；

最后，将所有ferns得到的后验概率进行平均，得到最终的后验概率值，当相似度P(c₁|x)>50%，则输入图像块与被检测目标相似，保留该图像块。

5.根据权利要求1所述的方法，其特征是，所述的标定是指：在图像的第一帧时做KLT算法初始化处理，不做跟踪，之后每一帧都从上一帧目标位置中利用KLT算法选取被跟踪目标特征，在当前帧中找到与之相对应的特征区域；然后跟踪器根据图像块的每个图像块内部的特征点个数来决定是否保留，若一个图像块区域内的特征点个数超过了一定的经验阈值，那么该图像块就被判定为候选状态而被保留。

6.根据权利要求1所述的方法，其特征是，所述的量化评分是指：提取候选图像块的Haar特征，通过级联Adaboost分类器评价候选位置的真实性，进行量化的评价：其中：的意思是被检测目标停在了级联Adaboost分类器的第层，即代表了被检测矩形框的量化评分；

其中：代表了级联分类器中的一个弱分类器，s(L)代表了第L层的一系列弱分类器；当函数F_i大于某个经验阈值，那么就可以通过这一层，反之则不能通过；所述的弱分类器权重w_i,l是通过AdaBoost的学习方法学习得出的。

7.根据权利要求1所述的方法，其特征是，所述的联合函数由各目标之间的空间位置关系以及各目标候选位置的评分组成，通过构建该联合函数模型，求函数的最优解，就能得出最佳的候选位置作为跟踪的结果。