[发明专利]一种基于高阶图跨时域关联的多目标跟踪方法

权利要求书

1.一种基于高阶图跨时域关联的多目标跟踪方法，其特征在于，包括步骤如下：

步骤A，将长视频序列划分成N等份，在每个等分时间段中根据多目标的离线检测结果分别进行普通高阶图H的构建；

步骤B，通过逐步采样和建立多个候选连接样本来完成随机一致性高阶图到普通高阶图H的近似；

步骤C，为提升高阶子图搜素的效率进行随机一致性高阶图到普通二阶图H'的转换；

步骤D，选择合适的权值测度函数来对普通二阶图中的子图进行搜索；

步骤E，根据贪婪算法解决以上搜索到的子图不符合物理限制的情况，再根据局部轨迹段出现的时序顺序进行连接，从而得到目标长轨迹。

2.根据权利要求1所述的一种基于高阶图跨时域关联的多目标跟踪方法，其特征在于，所述步骤A中包括如下步骤：

由于对一个长视频序列串行进行处理会非常耗时，不满足实时性的要求，故采用分层次并行处理的方法，即将此长视频序列分成N等份，每等份包含Ln帧，若最后一组时间段不足Ln帧，则并入前一组中，然后对每一组时间段分别根据构成高阶图边的限制函数F(v_i,v_j)∈{0,1}构建跨时域高阶图H＝(V,E,α)，其中，v_i表示第i个连接样本的顶点，v_j表示第j个连接样本的顶点，V代表高阶图中的顶点，E代表高阶图中的高阶边，α代表属于顶点同一条高阶边的概率。

3.根据权利要求1所述的一种基于高阶图跨时域关联的多目标跟踪方法，其特征在于，所述步骤B中包括如下步骤：

步骤B-1，为了在步骤C快速提取高阶图中的所有包含目标轨迹段的高阶子图，需要先将普通高阶图进行近似处理，即将普通高阶图转化为随机一致性高阶图，首先通过逐步采样的方法获得多个候选连接样本来建立随机一致性高阶图RCH＝{S₁,...,S_i,...}，其中S_i为第i个连接样本，每个连接样本包含L个顶点，这个L个顶点是从包含V_i的同一条高阶图边中随机选取的，且满足限制函数F(v_i,v_j)＝1,j＝1,...,L-1，v_i表示第i个连接样本的顶点，v_j表示第j个连接样本的顶点；

步骤B-2，由于B-1中是随机选取的满足限制函数的顶点，故存在不可靠的连接样本，为了排除上述存在的不可靠的连接样本，通过两种置信函数C_a(s)和C_m(s)结合考虑来获得可靠的连接样本，进而建立包含原高阶图H中所有重要高阶子图的RCH，其中C_a(s)用来度量目标的表象相似性，C_m(s)用来度量目标的运动相似性。

4.根据权利要求3所述的一种基于高阶图跨时域关联的多目标跟踪方法，其特征在于，所述步骤C中包括如下步骤：

利用步骤B-2中得到的可靠随机一致性高阶图RCH完成向普通二阶图H'＝(V',E',W')的转换，其中W'为二阶图中两个顶点同属于一条边的概率，为了确定二阶图中两个顶点之间的概率W'，需要建立一个点集近邻图Ω＝(ν,ε)，在点集近邻图中，当且仅当限制函数F(v_i,v_j)＝1时，两边之间存在一条边，然后使用Clique图搜索算法完成RCH到普通二阶图H'的转换。