[发明专利]一种多目标检测与跟踪方法

摘要

一种多目标检测与跟踪方法，涉及目标跟踪技术领域。本发明采用双阈值的方法来尽可能地减少虚假目标，增加了跟踪的可靠性，在目标跟踪阶段。对于目标检测阶段，本发明采用分类器的方法来分割目标和背景，这样更适用于不同的复杂背景，增加检测的鲁棒性。本发明采用具有空间信息的局部特征值来刻画目标的外观特征，这样使得目标跟踪的精度更高，而且当目标的外观与几个候选目标的外观相似时，不会因为外观相似而造成跟踪错误。

主权项

一种多目标检测与跟踪方法，其特征在于：1）采用已经训练好的分类器对输入的视频帧序列f i进行逐帧检测，计算每一个目标的信任度，当目标的信任度大于第一阈值时，该对应的目标被认定为候选目标；得到每一个候选目标的信息，其中，j =1,…,N ，N 为检测到的候选目标个数，，D t为所有检测到的候选目标集合，为第个候选目标的中心坐标，为第个候选目标的宽度和高度；2）将每一个候选目标分成个小块，用3×3的模板提取每一个小块的每一个像素点的二值化特征值l （x c），以此得到个小块特征向量，最后将该个小块特征向量连接成一个维的候选目标特征向量，其中G 为每个小块中像素点的个数；其中，每一个像素点的二值化特征值l （x c）公式如下：；其中，P 是边缘处像素点个数；为边缘像素点灰度值；I xc为模板中心点灰度值； S 是符号函数；3）采用范数来计算连续两帧中前一帧的确认目标与后一帧的候选目标之间的相似度，公式如下：其中，为t‑1时刻第i 个确认目标，为t 时刻第j 个候选目标，为第i 个确认目标的特征向量，为第j 个候选目标的特征向量，K 为特征向量元素的个数；4）采用卡尔曼滤波跟踪算法作为每一个目标的跟踪框架，使用当前每一个目标的中心坐标作为输入来预测下一帧该目标可能出现的位置中心坐标；利用欧几里得距离来计算连续两帧中前一帧每一个确认目标预测的位置与后一帧中各个候选目标位置之间的空间距离，公式如下：其中，表示‑1时刻第个确认目标，表示时刻第个候选目标，表示确认目标在时刻预测的位置中心坐标，表示候选目标的中心坐标；5）采用以下亲和度函数公式关联确认目标和候选目标：；其中为亲和度；在确认目标和候选目标过程中，采用匈牙利算法将候选目标和确认目标进行关联；当候选目标与确认目标得到关联后，则将该候选目标认定为确认目标；6）对于在候选目标中未得到关联的前一帧确认目标则认定为该确认目标被遮挡，当确认目标被遮挡时，使用预测的坐标作为所述确认目标的下一帧实际坐标，并且将最后四帧确认目标的宽度、高度的平均值作为当前帧确认目标宽度、高度值，即如果当前是第帧，则当前确认目标的宽度、高度值设为t ‑1、t ‑2、t ‑3、t ‑4帧，这四帧的平均值；对于未得到关联的候选目标，其连续检测到的帧数达到第二阈值时则认定该目标为一个新目标。