[发明专利]一种基于聚类融合的视频序列的目标跟踪方法

摘要

本发明公开了一种基于聚类融合的视频序列的目标跟踪方法，首先对视频序列中的目标采用多种方法实现跟踪，得出相应的跟踪结果，其表现形式为被跟踪目标的矩形外界边框的坐标。然后将得出的所有跟踪结果作为输入，采用输入的所有矩形外界边框的坐标的均值作为被跟踪目标的初始聚类中心。不限定分类数，对所有输入的矩形外界边框的坐标进行加权分类，判断其是否属于该初始类。最后以聚类后属于初始类的矩形外界边框的坐标取均值，作为最终跟踪结果。通过本发明方法，可以融合多种视频序列跟踪方法，从而提高了跟踪效果，而且运行时间也大大缩短。

主权项

1.一种基于聚类融合的视频序列的目标跟踪方法，其特征在于，包括如下步骤：S1获取被跟踪目标的视频序列；S2对所述视频序列采用至少两种方法进行目标跟踪，分别得到采用每种方法进行目标跟踪的结果；S3根据步骤S2中各种方法得到的目标跟踪结果，确定每种方法得到的被跟踪目标矩形外界边框，并将所有的矩形外界边框坐标作为输入；S4以步骤S3中输入的所有矩形外界边框坐标的均值作为被跟踪目标的初始聚类中心，不限定分类数，对所有输入的矩形外界边框的坐标进行加权分类，判断其是否属于初始类；S5经过步骤S4的聚类后，对初始类中所有矩形外界边框的坐标取均值，即为最终的目标跟踪结果；步骤S4中对每个输入的矩形外界边框的坐标进行加权分类，确定是否属于初始类的具体方法如下：令s＝1:n；t＝1:m；H(t,s)＝data(t,s)/aveData(s)；其中，H(t,s)为输入的每个矩形外界边框坐标数据对应的权重，n为每个矩形外界边框坐标数据的维数，m为矩形外界边框坐标数据的个数总数，s为某个矩形外界边框坐标数据中的第s维，t为所有矩形外界边框坐标数据中的第t个数据，data(t,s)为每个t和s所对应的矩形外界边框坐标数据，aveData为所有矩形外界边框坐标数据的均值，aveData(s)为均值对应的维数，即每个矩形外界边框坐标数据的每一维的权重就是该矩形外界边框坐标数据除以均值相对应的维数；对每个矩形外界边框坐标数据的每一维进行加权后，计算各个矩形外界边框坐标数据与所述初始聚类中心的欧几里得距离，再分别计算每个矩形外界边框坐标数据之间的欧几里得距离；对于每个矩形外界边框坐标，如果其与初始聚类中心的距离值大于与其他矩形外界边框坐标的距离值，即与初始聚类中心的距离最小，那么就把该矩形外界边框坐标数据归于初始类中。