[发明专利]基于提升直觉模糊树的目标跟踪方法及装置

权利要求书

1.一种基于提升直觉模糊树的目标跟踪方法，其特征在于，包括：

对当前视频帧进行运动检测，检测得到的可能运动对象作为观测结果；

对所述观测结果和目标的预测结果进行关联，其中所述预测结果是至少利用前一视频帧的目标的轨迹进行预测而得到的，所述目标包括可靠目标及临时目标；

对未被关联的所述观测结果和所述预测结果进行轨迹管理，其中包括对未被关联的所述可靠目标的预测结果进行在线跟踪获取候选结果，利用所述未被关联的所述可靠目标的提升直觉模糊树对所述候选结果进行匹配；

利用关联结果和匹配结果获取当前帧的目标的轨迹，其中包括对匹配成功的所述可靠目标利用其匹配成功的所述候选结果对其预测结果进行滤波更新以获取所述轨迹；利用所述当前帧的目标的轨迹进行预测，并为关联成功或匹配成功的所述可靠目标更新所述提升直觉模糊树；

其中，所述对未被关联的所述可靠目标的预测结果进行在线跟踪获取候选结果包括：

在所述可靠目标的预测结果位置及其周围指定范围内选择若干个图像块作为所述候选结果，所述候选结果可以包括未被关联的所述观测结果；

所述利用所述未被关联的所述可靠目标的提升直觉模糊树对所述候选结果进行匹配包括：

利用所述提升直觉模糊树计算所述候选结果作为测试样本的分类预测值；

若所述分类预测值大于第一阈值，且所述候选结果与所述可靠目标的预测结果的外观特征相似性度量大于第二阈值，则匹配成功；

所述候选结果作为测试样本的分类预测值f_a(x_c)定义为：

其中x_c为所述测试样本，T为所述提升直觉模糊树中浅层直觉模糊决策树的个数，a_t为第t个所述浅层直觉模糊决策树的权重；

G_t(x_c)为第t个所述浅层直觉模糊决策树对所述测试样本x_c进行分类得到的分类结果，定义为：

其中G_t(x_c)＝1表示所述测试样本属于所述可靠目标类别，G_t(x_c)＝-1表示所述测试样本属于非所述可靠目标类别，φ_t(c＝m|x_c)为利用第t个所述浅层直觉模糊决策树计算得到的所述测试样本x_c隶属于所述可靠目标类别m的直觉模糊隶属度，定义为：

c为所述测试样本的类别标签，m为所述可靠目标类别，在所述第t个所述浅层直觉模糊决策树中，B_t为所述测试样本x_c到达的所有叶子节点构成的集合，b为所述测试样本x_c到达的一个叶子节点，h^％(x_c)为将所述叶子节点b作为当前节点时所述测试样本x_c隶属于所述当前节点的直觉模糊隶属度，为所述叶子节点b预测类别为m的置信度，定义为：

其中x_j为到达所述叶子节点b的训练样本，共有n_b个，c_j为所述训练样本x_j的类别标签，δ(·)为狄拉克函数，h^％(x_j)为将所述叶子节点b作为当前节点时所述训练样本x_j隶属于所述当前节点的直觉模糊隶属度；

其中样本x隶属于当前节点的直觉模糊隶属度定义h^％(x)定义为：

所述样本包括所述测试样本和所述训练样本，若所述当前节点为根节点，当所述样本x为所述测试样本时，h^％(x)＝1，当所述样本x为所述训练样本时，h^％(x)等于所述样本x的权值；

其中D为所述样本到达所述当前节点之前经过的所有分支节点的集合，d为所述集合中的一个分支节点，l表示所述分支节点的输出左分支，r表示所述分支节点的输出右分支，为所述样本到达所述当前节点所经过的隶属于所述分支节点d的输出路径的直觉模糊隶属度，定义为：

其中为所述样本隶属于所述分支节点d的输出左分支的直觉模糊隶属度，为所述样本隶属于所述分支节点d的输出右分支的直觉模糊隶属度，h(x_d)为所述分支节点d的直觉模糊输出判决函数，定义为：

其中x_d为所述分支节点的所述样本的特征值，k为算子次数，为正整数；

g(x_d)为S型函数，定义为：

其中τ为特征门限值，θ为用于控制所述S型函数倾斜程度的常量参数，σ为所述特征值的标准差；

π(·)为模糊直觉指数，定义为：

其中λ为常量参数，0<λ<1，当x_d≥τ时，z＝g(x_d)，当x_d<τ时，z＝1-g(x_d)；

α为从模糊直觉指数中提取隶属信息的尺度因子，β为从模糊直觉指数中提取非隶属信息的尺度因子，定义为：

其中所述算子次数k和所述特征门限值τ的取值通过更新所述浅层直觉模糊决策树过程中的特征选择准则训练确定。