[发明专利]一种基于协同关联粒子滤波的多视频目标主动跟踪方法

摘要

本发明属智能视频处理技术领域，涉及一种多视频目标主动跟踪方法，特别是涉及一种基于协同关联粒子滤波的多视频目标主动跟踪方法，包括基于视觉注意主动发现新目标、建议分布建立、样本采集、协同关联权值计算、状态输出和重采样，应用视觉注意机制检测目标，以实现对突然进入场景的新目标的主动跟踪，以及建立新的建议分布时所需目标状态信息的检测；采用协同数据关联方法对目标航迹进行关联并计算粒子权值。本发明利用视觉注意机制“主动发现”目标，解决了目标的出现、消失，以及交互目标的合并、分裂以及过遮挡造成的误跟踪及跟踪丢失问题；很好的解决了复杂情况下普通多目标跟踪算法的跟踪失败及误跟踪等问题。

主权项

1.一种基于协同关联粒子滤波的多视频目标主动跟踪方法，其特征是包括以下步骤：(1)视觉注意主动发现新目标：k-1时刻(k≥1)，对视频图像用视觉注意机制算法计算场景中存在的目标，计算目标的显著图特征q_d；建立协同关联矩阵O_k，所述的协同关联矩阵O_k表示两两目标间的遮挡关系，矩阵中的第i行第j列对应的元素记为O_i，j，表示目标i与j的遮挡关系；当两两目标间的欧氏距离小于目标宽度的一半时，O_i，j＝1(i≠j)，表示目标i遮挡了目标j；其它情况O_i，j＝0(i≠j)，表示两目标间没有发生遮挡；只要i＝j，那么O_i，j＝0；O_i，j与O_j，i不能同时为1，如果目标i的宽度大于j，则O_i，j＝1，反之，O_j，i＝1；如果发现新目标，则①建立如下采样建议分布q_new(X_k|X_k-1，Z_1：k)＝αq_d(X_k|X_k-1，Z_1：k)+(1-α)p(X_k|X_k-1)；其中，q_new(X_k|X_k-1，Z_1：k)为新目标的建议分布；q_d(X_k|X_k-1，Z_1：k)为新目标的视觉显著图特征，X为待估计的当前帧的目标状态，由目标的中心点坐标及对应矩形的长短半轴的长度组成；Z为观测量；α是比例系数，α∈(0，1)；②初始化粒子集：在所述的视频图像中，根据先验概率p₀采集N个粒子样本组成k-1时刻的新目标的初始样本集该初始样本集即为初始化的粒子集，其中表示第i个初始样本，将定义为每个初始样本的权值，N＝100～10000；③更新协同关联矩阵O_k；(2)各目标协同采样：为得到样本集首先根据所述的采样建议分布和O_k采集样本X_k；其中是采样得到的第i个样本，表示第i个样本的权值，表示第m个目标采样得到的第i个样本；s_mk是协同因子，表示k时刻目标m被遮挡的深度信息，s_mk取值取决于O_k；若k时刻O_i，j＝1，则s_i，k＝1，表示目标i遮挡，s_j，k＝2表示目标j被遮挡，采样时只采目标i的样本，目标j放弃采样过程；如果O_i，j＝0，则s_mk＝0，表示目标没有遮挡或被遮挡，目标i和j都需要采样；(3)计算协同概率数据关联概率和权值，更新粒子集：I.利用(2)中采样得到的样本，①根据联合概率数据关联算法(JPDA)计算协同数据关联概率概率为βm,t=Σθ∈Θm,tCγMk-θ=Π(m,t)∈θpm,t,]]>其中pm,t=1(2π)Q/2|Sm,t|1/2exp(-dm,t22);]]>θ是关联事件集合，每个联合关联事件θ唯一确定目标观测与目标状态的关联；令Θ_m，t表示为观测m关联到目标t的所有有效联合关联事件集合，为联合关联事件集合的势，M_k表示观测数，为虚警观测；γ为虚警观测概率，为Z_k中所有虚警观测概率，C为归一化常数，Q为观测变量的维数；为归一化的观测更新度量，|·|为行列式表示，S_m，t为观测集协方差；②粒子权值计算：对于目标t，根据联合数据关联概率β_m，t，对粒子集中的N个样本计算权值的权值可表示为其中，p(Z_k，t|X_k，t)是视频目标的观测概率；II.更新粒子集(4)状态输出；k时刻，对于目标t＝1，…，T，所述的多视频目标的状态等于用样本求取的估计值，该估计值用最小均方误差估计(MMSE估计)方法来计算，即估计值等于E(Xk,t)=Σi=1Nωk,t(i)Xk,t(i);]]>(5)重采样：根据(3)中的采用累计分布重采样算法采样得到令粒子权值为重新组成粒子集(6)循环：令k＝k+1，重复(1)～(5)；直到本视频序列结束。