[发明专利]一种多目标跟踪方法及装置

说明书

技术领域

本发明涉及目标跟踪技术领域，具体涉及一种多目标跟踪方法及装置。

背景技术

多目标跟踪技术在智能安防领域、车载辅助系统或者军事领域都有着十分广泛的应用。多目标跟踪技术一般都是先检测出目标，然后对检测出的每个目标进行特征描述，再根据所述特征对每个目标进行跟踪，从检测到跟踪，不但算法复杂而且计算耗时长，导致多目标跟踪的实时性较差、准确度较低。对于长时间跟踪或者被跟踪目标存在形状变化情况下的跟踪，很多人采用检测的方法来代替跟踪。该方法虽然在某些情况下可以改进跟踪效果，但它需要一个离线的学习过程，也就是在检测之前需要挑选大量的被跟踪目标的样本来进行学习和训练。因此训练样本要涵盖被跟踪目标可能发生的各种形变和各种尺度、姿态变化和光照变化的情况。换言之，利用检测的方法来达到长时间跟踪的目的，对于训练样本的选择至关重要，否则，跟踪的鲁棒性就难以保证。

同时，利用现有目标跟踪技术得到的多个目标的轨迹数量较多，在大量的目标轨迹中，难以逐一确定多个目标并实现对多个目标实时、持续、准确地跟踪。

发明内容

本发明要解决的技术问题在于克服现有的多目标跟踪方法实时性较差、准确度较低的缺陷。

本发明提供一种多目标跟踪方法，包括：

获取视频图像；

提取所述视频图像中的关键点；

对所述视频图像中的关键点进行跟踪；

根据所述视频图像中连续N帧跟踪到的关键点，形成关键点轨迹；

对所述关键点轨迹进行聚类，形成至少一个目标。

优选地，在所述对所述关键点轨迹进行聚类，形成至少一个目标的步骤之后，还包括剔除所述至少一个目标的噪声轨迹点，包括：

计算所述至少一个目标中的轨迹点连接所得的至少一条边的权值；

判断所述至少一条边的权值是否小于预设权值阈值；

当所述至少一条边的权值小于预设权值阈值时，判定所述至少一条边对应的轨迹点为噪声轨迹点，剔除所述至少一个目标的噪声轨迹点。

优选地，所述根据所述视频图像中连续N帧的关键点，形成关键点轨迹，包括：

提取所述视频图像中连续N帧的关键点对应的特征；

根据所述关键点在相邻两帧的特征判断所述关键点是否为有效关键点；

当所述关键点为有效关键点时，根据所述有效关键点形成关键点轨迹。

优选地，所述对所述关键点轨迹进行聚类，形成至少一个目标，包括：

判断所述关键点轨迹的长度是否大于预设长度阈值；

当所述关键点轨迹的长度大于预设长度阈值时，计算所述关键点轨迹的运动距离和任意两个所述关键点轨迹之间的夹角；

根据所述关键点轨迹的运动距离和任意两个所述关键点轨迹之间的夹角，进行相似性度量；

根据所述相似性度量结果进行聚类，形成至少一个目标。

优选地，所述视频图像中的关键点为角点。

本发明还提供一种多目标跟踪装置，包括：

视频图像获取单元，用于获取视频图像；

关键点提取单元，用于提取所述视频图像中的关键点；

关键点跟踪单元，用于对所述视频图像中的关键点进行跟踪；

轨迹形成单元，用于根据所述视频图像中连续N帧跟踪到的关键点，形成关键点轨迹；

轨迹聚类单元，用于对所述关键点轨迹进行聚类，形成至少一个目标。

优选地，还包括噪声轨迹点剔除单元，所述噪声轨迹点剔除单元包括：

权值计算子单元，用于计算所述至少一个目标中的轨迹点连接所得的至少一条边的权值；

权值判断子单元，用于判断所述至少一条边的权值是否小于预设权值阈值；

剔除子单元，用于当所述至少一条边的权值小于预设权值阈值时，判定所述至少一条边对应的轨迹点为噪声轨迹点，剔除所述至少一个目标的噪声轨迹点。

优选地，所述轨迹形成单元包括：

特征提取子单元，用于提取所述视频图像中连续N帧的关键点对应的特征；

有效关键点判断子单元，用于根据所述关键点在相邻两帧的特征判断所述关键点是否为有效关键点；

关键点轨迹形成子单元，用于当所述关键点为有效关键点时，根据所述有效关键点形成关键点轨迹。

优选地，所述轨迹聚类单元包括：

轨迹长度判断子单元，用于判断所述关键点轨迹的长度是否大于预设长度阈值；