[发明专利]一种多目标检测与跟踪方法

说明书

一种多目标检测与跟踪方法，涉及目标跟踪技术领域。本发明采用双阈值的方法来尽可能地减少虚假目标，增加了跟踪的可靠性，在目标跟踪阶段。对于目标检测阶段，本发明采用分类器的方法来分割目标和背景，这样更适用于不同的复杂背景，增加检测的鲁棒性。本发明采用具有空间信息的局部特征值来刻画目标的外观特征，这样使得目标跟踪的精度更高，而且当目标的外观与几个候选目标的外观相似时，不会因为外观相似而造成跟踪错误。

技术领域

本发明涉及目标跟踪技术领域。

背景技术

近年来，计算机视觉越来越受到人们的关注，而且应用也越来越广泛，特别是在视频监控、行为分析、智能交通系统等中都占据着重要的地位。虽然目前已经有很多关于目标跟踪的研究成果，但是如何稳定地跟踪目标而不受环境变化因素的影响仍然是一个严峻的问题。

相对于单目标跟踪来说，多目标跟踪的难点在于目标数量的未知性、目标的相互遮挡、新目标的出现和旧目标的消失等。传统的目标跟踪方法主要有两类，一类是基于模板的目标跟踪方法，该方法首先提取目标的模型，然后在整张视频帧中寻找与模板相似度最高的区域；另一类则是采用分类器的方法，该方法首先是利用目标的属性训练一个分类器，然后利用该分类器将目标从视频帧分离出来，但是该方法一般只是用于单目标跟踪或者目标分割。

上述方法虽然在一定程度上已经有很大的改进，但是对于环境的变化（如光照、摄像机的运动、目标的遮挡），目标跟踪则会产生漂移，至始多目标跟踪的鲁棒性太低，达不到切实跟踪的效果。

发明内容

为了克服现有技术缺陷，减少光照、摄像机的移动、目标之间的相互遮挡等因素对跟踪效果的影响，本发明提出一种多目标检测与跟踪方法，以提高多目标跟踪的鲁棒性。

本发明技术方案包括以下步骤：

1）采用已经训练好的分类器对输入的视频帧序列f_i进行逐帧检测，计算每一个目标的信任度，当目标的信任度大于第一阈值时，该对应的目标被认定为候选目标；

得到每一个候选目标的信息，其中，j=1,…,N，N为检测到的候选目标个数，，D_t为所有检测到的候选目标集合，为第个候选目标的中心坐标，为第个候选目标的宽度和高度；

该步骤中，本发明事先训练一个目标分类器，然后将该分类器作用在每一帧视频序列上，但往往会因为分类器的原因，分类器会产生虚假目标，此时，本发明通过计算每一个目标的信任度（即通过训练分类器得到的方向梯度直方图（Histogram of OrientedGradients, HOG）分类器模板与每一个候选目标之间的相似度）来判别每一个目标是真实或虚假的目标，当且仅当该信任度大于定义的第一阈值时，才能认定该目标为真实的目标，否则认为是虚假目标。以确保本发明对认定为真实的目标进行跟踪。

2）将每一个候选目标分成个小块，用3×3的模板提取每一个小块的每一个像素点的二值化特征值l（x_c），以此得到个小块特征向量，最后将该个小块特征向量连接成一个维的候选目标特征向量，其中G为每个小块中像素点的个数；

其中，每一个像素点的二值化特征值l（x_c）公式如下：