[发明专利]多层次约束的多目标追踪算法

说明书

本发明提供了一种基于多层次约束的多目标追踪算法，首先使用简单的策略快速得到追踪片段，然后利用视觉信息对所有的追踪片段进行修正、分割，再将上述结果转化为关于追踪片段的图模型并求解，对求解得到的结果使用高层语义信息进一步修正，得到最终的追踪目标轨迹。本发明充分利用了追踪目标的视觉特性，由浅到深，层层约束，解决了现有方法难以充分利用视觉特性而造成的难以获取准确结果的问题，可以使追踪结果更为精确。

技术领域

本发明属计算机视觉、图形处理技术领域，具体涉及一种基于多层次约束的视觉多目标追踪算法。

背景技术

多层次约束的多目标追踪算法可以在给定视频序列的情况下，将处于不同帧的检测物链接起来，从而得到不同物体的运动轨迹；基于视觉信息的多目标追踪算法对于智能驾驶中的检测异常车辆及行人等、规避潜在粉线，对于监控视频的拥挤场景分析、异常行为检测，具有重要的理论和现实意义。

根据使用视频数据方式的不同，现有的视觉多目标追踪算法大致可分为：离线多目标算法和在线多目标算法。

离线多目标算法主要是利用最大化后验概率将目标检测器检测出的所用目标转化为图模型，通过求解该图模型得到目标在视频序列中的轨迹。L.Zhang等人在文献“L.Zhang,Y.Li,and R.Nevatia.Global Data Association for Multi-object Trackingusing Network Flows,In Proceedings of IEEE Conference on Computer Vision andPattern Recognition,pp.1-8,2008.”中提出了基于网络流和预流推进算法的算法，该算法将多目标追踪问题转化为网络流的最小费用问题，可以得到较为准确、稳定的结果。

在线多目标算法主要是通过假设跟踪目标当前帧状态只与该目标前一帧或前数帧的状态有关，将多目标追踪算法转化为连续两帧间检测物的匹配问题；使用结构化约束解决摄像机运动造成的抖动，使用不同滤波器筛选出目标检测器检测结果中的误检、漏检等，使用群组模型解决目标间的过分遮挡。J.Yoon等人在文献“J.Yoon，M.Yang，J.Lim andet al.Bayesian Multi-object Tracking Using Motion Context from MultipleObjects,In Proceedings of IEEE Winter Conference on Applications of ComputerVision,pp.33-40,2015”中提出了基于结构化约束和卡尔曼滤波的算法，该算法利用前数帧的目标信息，构建关系网络，结构化约束当前帧的目标位置，能够有效的应对移动平台下摄像头的抖动以及当前帧存在的错检、误检。

这些算法的局限性在于：离线多目标算法往往将问题转化为图模型，但图模型的解不一定完全对应追踪结果；在线多目标算法往往涉及到对目标预测这一过程，而得到的预测不一定很准确，极大地影响了最后的追踪结果。

发明内容

为了克服现有多目标追踪算法无法提供准确且鲁棒的结果的不足，本发明提出了一种基于多层次约束的视觉多目标追踪算法。该算法的主要思想是：使用简单的策略快速得到追踪片段，利用视觉信息对所有的追踪片段进行修正、分割，再将上述结果转化为关于追踪片段的图模型并求解，对求解得到的结果使用高层语义信息进一步修正，得到最终结果。

一种多层次约束的多目标追踪算法，其特征在于包括以下步骤：

步骤1：生成追踪片段：将视频序列的检测结果转化为图模型，使用图模型算法求解，得到相应的追踪片段，具体为：