[发明专利]一种噪声控制多目标跟踪方法

说明书

本发明涉及一种噪声控制多目标跟踪方法，属于图像处理技术领域。本发明将跟踪数据的当前帧、前一帧以及当前帧热力图进行特征提取与加法融合。通过引入先验降噪模块去除融合冗余噪声，计算融合结果中热力图中心点的梯度，获取目标中心点进行目标检测。对检测结果进行平滑增益卡尔曼滤波,获取目标的运动信息。结合运动信息对帧间目标进行数据关联，获得目标运动轨迹。设计梯度加速轨迹重连接模块，对碎片轨迹与中断轨迹进行轨迹重连接，获得精确的跟踪结果。本发明不仅提高了小目标跟踪和复杂环境跟踪场景下跟踪精度，而且提升了数据关联中运动信息的获取，缓解了轨迹漂移的问题。

技术领域

本发明涉及一种噪声控制多目标跟踪方法，属于图像处理技术领域。

背景技术

随着人工智能技术的飞速发展，基于计算机视觉技术的智能监控系统、自动驾驶领域较以往取得了重大的突破，进一步减少了人力资源的浪费，提高了安防和交通领域的安全性。视觉多目标跟踪技术是这些领域中的关键基础性技术之一，视觉目标跟踪算法的准确鲁棒性对于进一步提升高层智能应用的安全有效性具有重要意义。多目标跟踪任务需要保证跟踪的实时性与准确性，传统的基于检测器的跟踪算法过于依赖检测器，外界环境的遮挡、光照、形变等因素对检测造成的轻微误差都会极大影响前后帧间的数据关联，从而导致跟踪目标丢失进而使跟踪轨迹中断。

发明内容

本发明要解决的技术问题是提供一种噪声控制多目标跟踪方法，提高在小目标跟踪和复杂环境跟踪场景下的跟踪精度，从而解决上述问题。

本发明的技术方案是：一种噪声控制多目标跟踪方法，通过将高斯函数与检测结果置信度结合获取平滑自适应观测噪声矩阵，进一步得到平滑增益，获取目标的运动信息，具体步骤为：

Step1：通过摄像头获取视频数据。

Step2：将跟踪数据的当前帧、前一帧以及当前帧热力图进行特征提取与加法融合，通过引入先验降噪模块去除融合冗余噪声。

Step3：对融合结果进行特征提取，获得不同感受野的热力图融合特征，计算融合结果中热力图中心点的梯度，获取目标中心点进行目标检测。

Step4：对检测结果进行平滑增益卡尔曼滤波，通过将高斯函数与检测结果置信度结合获取平滑自适应观测噪声矩阵，进一步得到平滑增益，获取目标的运动信息。

Step5：结合运动信息对帧间目标进行数据关联，获得目标运动轨迹。

Step6：设计梯度加速轨迹重连接模块，对碎片轨迹与中断轨迹进行轨迹重连接，获得精确的跟踪结果。

所述Step2具体为：

Step2.1：将跟踪数据的当前帧、前一帧以及当前帧热力图进行特征提取与加法融合。

Step2.2：将融合特征的C_256与C_128输入先验降噪模块中。

Step2.3：通过无偏置的特征提取与特征重组去除融合特征的冗余噪声。

所述Step4具体为：

Step4.1：计算测量预拟合残差。

Step4.2：通过将高斯函数与检测结果置信度结合获取平滑自适应观测噪声矩阵SG_R_k，其中高斯半径σ为3。

Step4.3：计算预拟合残差协方差。

Step4.4：基于通过高斯函数平滑后的自适应观测噪声矩阵计算卡尔曼增益矩阵，确保卡尔曼滤波增益的稳定性。

Step4.5：更新系统估计值。

Step4.6：计算更新后的估计协方差矩阵。