[发明专利]基于结构化数据模型的分布式目标跟踪方法

摘要

本发明公开了基于结构化数据模型的分布式目标跟踪方法，该方法可应用于分布式目标跟踪系统中，基于单目目标跟踪结果以结构化数据接口形式进行通信，提升跟踪器综合性能。方法在单目目标跟踪前端对现场图像进行采集并提取视觉特征，在此基础上结合动态条件随机场和可变部分模型对目标的整体和局部同时进行跟踪，并从跟踪结果中提炼结构化数据接口用于前端和服务器之间的通信。服务器部分接收到前端的结构化数据以后，在不同的前端数据之间进行数据融合，并以在线隐支持向量机的方式学习新的跟踪模型，将更新后的模型同样以结构化数据的方式下发，帮助前端提升目标跟踪的总体性能。

主权项

1.基于结构化数据模型的分布式目标跟踪方法，其特征在于，步骤A)图像采集，基于梯度直方图提取图像特征：在两种分辨率上对采集到的图像分别提取梯度直方图特征，可得到节点的原始图像特征φ(H,x_j)，其中H表示梯度直方图特征金字塔，j∈0,...,n；步骤B)基于可变部分模型提取结构化目标信息：可变部分模型方法在于将当前帧上目标某一视角的外观视作由一个根节点x₀和n个可形变部分节点(x₁,...,x_n)构成的图模型；由于部分是可形变的，对于部分节点采用相对于模型锚点Anchor的位移来衡量形变；将根滤波器(Root Filter)和部分滤波器Part Filter分别计算得分并通过动态规划方法计算形变惩罚，最后即可得到该视角模型出现在某一位置假设可信度的线性表达形式：其中分别为模型的滤波器参数和结构化参数，b_c为一阶偏移量，φ(H,x_n)为提取的梯度直方图特征；步骤C)基于动态条件随机场进行单目相机目标跟踪；步骤D)将前端结构化数据通过网络传输至后端平台：由于不是直接传输图像，结构化数据量非常稀疏，且不需要实时传输，间隔数帧定时发送即可；步骤E，在服务器端使用在线隐支持向量机学习更新模型：隐支持向量机方法学习一个半凸函数的目标函数：其中β为模型参数，f_β(·)及结构的函数表示。通过隐支持向量机方法在服务器端对模型参数进行学习和更新；步骤F)将更新后的参数下发至前端：在服务器端学习以后，得到新的和b_c，下发至前端以保证目标跟踪的性能。