[发明专利]基于整体图平均化模型的群体目标轨迹分析模型

权利要求书

1.基于整体图平均化模型的群体目标轨迹分析模型，其特征在于：输入是目标的轨迹片段，而输出是该目标的在多摄像机下的完整运动轨迹；所述模型采用最小代价流网络建立，所述最小代价流网络G包括节点N、边E和权重W，权重W表示连接两个节点的边的值；

所述节点包括轨迹片段l_i节点，具体包括轨迹片段开始节点i^enter和轨迹片段结束节点i^exit；其中，从节点i^enter到节点i^exit的边为观测边e_i，权重为w_i；从节点i^exit到节点j^enter的边表示两个轨迹片段的连接关系，为转移边e_ij，权重为w_ij；所述节点还包括虚拟源节点S和汇集点节点T，轨迹片段l_i的开始和l_j的结束分别用输入边e_Si和输出边e_jT表示，权重分别为w_Si和输出边w_jT；

其中，权重的计算方式为：

式中，观测边e_i的权重w_i是轨迹片段l_i的条件概率P(l_i|Γ)的负对数，Γ表示轨迹片段的集合；M表示轨迹片段的数量；转移概率P(l_i|l_j)通过表观相似度P_a(l_i→l_j)和运动特征相似度P_m(l_i→l_j)计算得到，k₁和k₂是两个特征的比率。

2.根据权利要求1所述的基于整体图平均化模型的群体目标轨迹分析模型，其特征在于：一条完整的多摄像机目标轨迹为一系列的轨迹片段组成：其中所有可能的完整轨迹的集合为Γ＝{Γ_i}；因此，进行轨迹片段数据关联得到完整运动轨迹的目标就成了：给定轨迹片段集合L，最大化Γ的后验概率：

其中，P(l_i|Γ)是轨迹片段l_i的条件概率，先验概率P(Γ_k)使用完整轨迹Γ_k中隐含的所有转移概率计算而来：

3.根据权利要求1所述的基于整体图平均化模型的群体目标轨迹分析模型，其特征在于：所述轨迹片段为单摄像机拍摄得到；其中：首先使用头-肩检测器获得目标的初始位置，接着使用AIF跟踪器来获取单个摄像机下的跟踪结果；AIF跟踪过程中得到每条轨迹第t帧的跟踪置信度α_t，如果它小于某个固定的阈值α_t＜θ，则认为跟踪器丢失了目标；所有轨迹在每一帧的置信度都会在跟踪过程中被记录下来，它们的平均值c将作为轨迹片段i的条件概率：

其中t_i^start和t_i^end分别表示轨迹片段i的开始帧和结束帧。

4.根据权利要求3所述的基于整体图平均化模型的群体目标轨迹分析模型，其特征在于：不同摄像机的全部轨迹片段表示为L＝{l₁，l₂，...，l_M}，其中l_i＝[x_i，c_i，s_i，t_i，a_i]，分别表示目标的位置、条件概率、属于的摄像机、时间戳以及表观信息；而节点N，包括虚拟源S、汇集点T、轨迹片段的进入节点l_i^enter和离开节点l_i^exit，表示为：