[发明专利]一种跨摄像头的行人轨迹匹配方法

摘要

本发明涉及一种跨摄像头的行人轨迹匹配方法，包括以下步骤：S1.提取目标摄像头的一条行人轨迹作为目标轨迹，然后将其余摄像头在该时间段内出现的所有行人轨迹作为候选轨迹；S2.使用中国连锁餐厅过程训练分层狄利克雷过程，提取所有轨迹的全局运动模式特征，同时获得目标轨迹和各条候选轨迹在全局运动模式特征上的特征权重；S3.分别计算目标轨迹特征权重与各条候选轨迹特征权重之间的余弦距离作为相似性度量，然后将余弦距离最小的候选轨迹作为目标轨迹的匹配轨迹。

主权项

1.一种跨摄像头的行人轨迹匹配方法，其特征在于：包括以下步骤：S1.提取目标摄像头的一条行人轨迹作为目标轨迹，然后将其余摄像头在该时间段内出现的所有轨迹作为候选轨迹；S2.使用中国连锁餐厅过程训练分层狄利克雷过程，提取所有轨迹的全局运动模式特征，同时获得目标轨迹和各条候选轨迹在全局运动模式特征上的特征权重；S3.分别计算目标轨迹特征权重与各条候选轨迹特征权重之间的余弦距离作为相似性度量，然后将余弦距离最小的候选轨迹作为目标轨迹的匹配轨迹；所述中国连锁餐厅过程训练分层狄利克雷过程，提取所有轨迹的全局运动模式特征，同时获得目标轨迹和各条候选轨迹在全局运动模式特征上的特征权重的具体过程如下：S11.定义t_ji为第j个轨迹中第i个观察值x_ji所属的集合，t_ji的取值有如下关系：t、k、θ、x分别表示所有t_ji、k_jt、θ_k、x_ji组成的集合，α₀表示狄利克雷过程G_j的集中参数，t表示t_ji的实际取值，f(·)表示多项式分布的概率密度函数，表示去除第i个观察值后，第j个轨迹中集合t的观察值数量，t^‑ji表示去除集合t_ji后，第j个轨迹的其余观察值集合；S12.定义k_jt为第j个轨迹中集合t的运动模式，定义S_t为集合t上的观察值，k_jt的取值有如下关系：k^‑jt表示去除观察值集合t后，第j个轨迹的其余观察值集合所属的运动模式集合；γ为狄利克雷过程G₀的集中参数；表示所有轨迹的观察值集合中去除集合t后，余下的集合中属于运动模式k的数量；S13.定义θ_k为第k种运动模式，定义S_k为所有轨迹中属于运动模式k的观察值，θ_k的取值有如下关系：h(θ_k)表示基分布H的概率密度函数，θ^‑k表示去除运动模式k后，其余运动模式的取值的集合；S14.统计第j个轨迹中所有观察值集合的运动模式种类情况，即为特征权重{π}：T表示第j个轨迹中集合t的元素个数，其中是狄拉克δ函数，具有如下性质：