[发明专利]基于小轨迹图关联模型的半在线视觉多目标跟踪方法

摘要

本发明公开了一种基于小轨迹图关联模型的半在线视觉多目标跟踪方法，在较短的时间窗口内将多个目标的多帧检测关联成为小轨迹，分别提取小轨迹初始时段和结束时段的外观特征和运动速度。对小轨迹相互之间吸引力进行评估之后，利用无向图模型将小轨迹进一步关联成为长轨迹，批处理后将部分结果输出。这种方式可以实现离线跟踪精度高但无法实时与在线跟踪准确性低的折中，取得较好的平衡，具有快速、简单、鲁棒等特点。通过建立目标的外观模型，使得目标的外观特征具有更高的判别性，并在小轨迹关联前对其时间先后顺序进行判断，选取时间较近的特征进行外观相似度分析，有效地降低了身份变换次数，不会产生太长的延时，使算法得到了较高的精度。

主权项

1.一种基于小轨迹图关联模型的半在线视觉多目标跟踪方法，其特征在于，包括以下步骤：1)对于一段图像序列，从开始帧按顺序选取当前处理窗口，对于每帧图像，通过目标检测的宽高比及目标检测两两之间的重叠率，剔除不属于目标的虚假检测；2)计算相邻帧图像目标检测之间的覆盖率，将相邻帧覆盖率大于0.4的检测关联成为长度不等的小轨迹；3)对每段小轨迹计算首帧检测和末帧检测的HOG特征和HSV颜色直方图特征，估计每段小轨迹的始端速度和末端速度；对所有小轨迹，估计其两两之间的吸引力得分；4)利用图模型将小轨迹关联成为长轨迹；5)计算所述长轨迹的置信度；6)取置信度大于0.5的长轨迹，训练外观模型，找到一个最优判别矩阵；7)处理窗口向前移动，寻找下一批处理的图像帧，相邻窗口之间的重叠率为50％，重复步骤3)至步骤6)。