[发明专利]基于SSD检测广义标签多伯努利视频多目标跟踪方法有效

专利信息
申请号: 201910774255.6 申请日: 2019-08-21
公开(公告)号: CN110532921B 公开(公告)日: 2022-01-07
发明(设计)人: 杨金龙;汤玉;程小雪;徐悦;张光南;葛洪伟 申请(专利权)人: 江南大学
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 哈尔滨市阳光惠远知识产权代理有限公司 23211 代理人: 彭素琴
地址: 214000 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 ssd 检测 广义 标签 多伯努利 视频 多目标 跟踪 方法
【权利要求书】:

1.一种多目标跟踪方法,其特征在于,所述方法包括:

步骤一:利用SSD检测技术检测当前帧的多目标状态,计算检测结果与存活目标的距离;

步骤二:通过最邻近算法匹配,选择未匹配到的检测目标作为新生目标,使用标签伯努利集近似表示,并带入广义标签多伯努利滤波中迭代跟踪;

步骤三:在跟踪过程中,计算检测结果和滤波结果的距离置信度和与跟踪目标的相似程度,并通过权值求和的方式将检测结果与跟踪结果进行融合得到最终的目标跟踪结果。

2.根据权利要求1所述的方法,其特征在于,所述方法包括:

S1:在初始时k=0,初始化存在目标,提取目标卷积特征,并对其进行粒子采样,近似多目标后验概率密度;

S2:多目标预测:(1)采用SSD检测算法检测当前帧多目标状态,并与跟踪结果匹配得到预测的目标新生状态;(2)对存活目标根据先验信息进行预测,得到预测后的存活目标状态;

S3:多目标更新:通过目标卷积特征建立目标似然模型,使用广义标签多伯努利滤波算法更新多目标状态;

S4:对多目标状态进行重采样,去除存活概率低的目标状态;

S5:提取多目标状态,并使用自适应更新机制更新目标模板;

S6:使用特征融合机制,融合检测结果和跟踪结果,获得最终的多目标状态;

S7:递归步骤S2-S6,直至跟踪结束。

3.根据权利要求2所述的方法,其特征在于,所述S2:多目标预测中,(1)采用SSD检测算法检测当前帧多目标状态,并与跟踪结果匹配得到预测的目标新生状态,包括:

采用SSD检测器检测第k帧图像,得到多目标检测结果和目标数目通过中心点距离计算存活目标与检测结果的距离矩阵Dk=[di,j],即:

其中,dij矩阵表示第i个存活目标与第j个检测结果的中心距离,然后采用最邻近距离算法匹配存活目标和检测结果;若存在NB,k个匹配剩余后的检测结果,则将剩余的检测结果作为新生目标,对新生目标进行采样若未存在匹配剩余的检测结果,则当前帧不做目标新生操作NB,k=0。

4.根据权利要求3所述的方法,其特征在于,所述S2:多目标预测中,(2)对存活目标根据先验信息进行预测,得到预测后的存活目标状态,包括:

假设在k-1帧,目标后验概率表示为参数集形式,那么预测后的概率密度可以表示为其中

I+(i,b)=I(i)∪L(b)

I(i)表示第i个存活目标的标签集,L(b)表示第b个新生目标的标签集;参数p(i)是由一组加权粒子构成那么,目标对应的权重w+(i,b)可以表示为:

其中,pS(·)为目标存活概率,为目标新生概率;然后归一化权值w+(i,b);参数p+(i,b)由存活目标粒子集和新生目标粒子集联合表示,即:

5.根据权利要求4所述的方法,其特征在于,所述S3多目标更新中,通过目标卷积特征建立目标似然模型过程中,目标模板与候选模板的量测似然计算公式为:

其中,ch表示候选目标卷积特征,c为目标的卷积特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江南大学,未经江南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910774255.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top