[发明专利]一种基于粒子滤波的视频多目标跟踪方法

权利要求书

1.一种基于粒子滤波的视频多目标跟踪方法，其特征在于，包括如下步骤：

步骤1：初始化图像帧编号k为0；初始化轨迹编号c为0；

步骤2：根据公式(1)定义目标状态向量；

其中，X_k,i表示第k帧中第i个目标的状态，(x_i,y_i)表示该目标的中心点坐标，w_i和h_i分别表示该目标的包络框的宽度和高度，表示目标在水平方向运动速度，表示目标在竖直方向运动速度；

根据公式(2)定义目标运动模型；

其中，ΔT表示采样周期，V_k,i表示多变量的高斯噪声；

根据公式(3)定义似然函数作为观测模型；

其中，p(Y_k,i|X_k,i)表示后验概率密度函数，Y_k,i表示第k帧中第i个目标观测状态，σ表示高斯分布方差，表示观测值，表示真实值，表示观测值与真实值之间的巴氏距离；

步骤3：按顺序获取监控的一帧并记为图像P，图像帧编号k＝k+1；

步骤4：采用预先训练好的YOLO系列模型，对图像P中的运动目标进行检测，得到当前帧检测目标集合Z_k＝{z_k,i＝x_i,y_i,w_i,h_i,d_i|i＝1,2,…,m_k}，z_k,i表示第k帧中的第i个目标，d_i表示该目标z_k,i的置信度，m_k表示第k帧中目标的个数；

根据公式(4)更新Z_k，即删除满足条件d_i＜τ_low的检测目标；通过检测置信度阈值τ_high和τ_low将目标检测框分为高分检测目标集合ZHigh_k和低分检测目标集合ZLow_k，其中τ_high表示高分阈值，τ_low表示低分阈值；根据公式(5)和(6)计算ZHigh_k和ZLow_k；若d_i≥τ_high，则目标检测框是高分检测目标；若τ_low≤d_i＜τ_high，则目标检测框是低分检测目标；

步骤5：对于目标z_k,i采用基于高斯混合背景模型的前后景区分方法提取目标前景front_k,i；将目标z_k,i的前景front_k,i从BGR转化到HSV空间，进行直方图统计并归一化直方图；

步骤6：若k＝1，则为检测到的结果创建每个目标对应的轨迹HT_c，每分配一条新轨迹，则c＝c+1；根据先验信息在前景front_k,i区域内生成含有N个粒子的初始粒子集初始时所有粒子权重其中表示第k帧中第i个目标第j个粒子的权重；转步骤3；

步骤7：通过序列重要性采样，根据公式(2)对粒子集中的粒子进行状态转移，得到新粒子集根据公式(3)和(7)更新粒子的权值，对于公式(3)，取候选目标的特征分布，取目标模板的特征分布；归一化粒子的权值；

前景front_k,i范围内重采样粒子，得到新粒子集更新粒子权重

通过基于HSV颜色直方图特征的粒子滤波得到第k-1帧中m_k-1个目标在第k帧的预测状态，其中根据公式(8)计算第k帧中的第i个目标的状态估计得到目标z_k,i预测目标的包络框pfbbox_k,i中心点坐标以及其宽度和高度

步骤8：计算第k帧高分检测目标集合ZHigh_k中检测目标包络框detbbox_k,i和第k-1帧通过粒子滤波得到的预测目标包络框pfbbox_k,i进行IOU匹配，计算代价矩阵；

步骤9：将步骤8中得到的代价矩阵作为匈牙利算法的输入，得到匹配结果；

步骤9.1：若轨迹HT_c预测目标存在，但不存在与之匹配的检测目标，则将轨迹HT_c保留在剩余轨迹集合HTRemain中；转步骤10；

步骤9.2：若新增检测目标，但不存在与之匹配的预测目标，则为该检测目标创建新轨迹HT_c+1，并更新c＝c+1；转步骤10；

步骤9.3：若检测目标和预测目标匹配成功，则根据公式(9)将该目标添加到对应的轨迹HT_c中，并用检测目标的结果更新粒子滤波中的预测结果；转步骤10；

HT_c＝HT_c∪{z_k,i＝＜x_i,y_i,w_i,h_i,d_i＞} (9)

步骤10：计算第k帧低分检测目标集合ZLow_k中检测目标包络框detbbox_k,i和第k-1帧与剩余轨迹集合HTRemain对应的预测目标包络框pfbbox_k,i进行IOU匹配，计算代价矩阵；

步骤11：将步骤10中得到的代价矩阵作为匈牙利算法的输入，得到匹配结果；

步骤11.1：若轨迹HT_c预测目标存在，但不存在与之匹配的检测目标，则从未匹配上的时间开始计时，若在flag帧内没有关联上，其中，flag表示轨迹跟踪等待帧数，则删除预测目标，该轨迹HT_c跟踪结束；转步骤12；

步骤11.2：若新增检测目标，但不存在与之匹配的预测目标，则删除该检测目标；转步骤12；

步骤11.3：若检测目标和预测目标匹配成功，则根据公式(9)将该目标添加到对应的轨迹HT_c中，并用检测目标的结果更新粒子滤波中的预测结果；转步骤12；

步骤12：若有新的轨迹跟踪结束，则输出该轨迹HT_c；转步骤3。