[發明專利]基于多級別特征數據關聯的多目標視覺跟蹤方法

有效

• 申請號: 201310186062.1
• 申請日: 2013-05-17
• 公開（公告）號: CN103281477A
• 公開（公告）日: 2013-09-04
• 發明（設計）人: 張加萬;張怡;陳錦言;何佳凝
• 申請（專利權）人: 天津大學
• 主分類號: H04N5/14
• 分類號: H04N5/14;H04N7/18
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

技術領域

本發明屬于安防監控及計算機視覺領域，涉及一種基于多級別特征數據關聯的多目標視覺跟蹤算法對監控場景中的多目標進行檢測和跟蹤的方法。

背景技術

近年來隨著安防監控技術的不斷發展，視頻監控在社會生活中的應用日趨廣泛，在交通管理、交通事故分析、社區安防、銀行監控和社會穩定等方面對監控系統的要求更不斷地增加。目標跟蹤是智能視頻監控中最核心的功能，通過跟蹤監測出的目標得到其運動軌跡或高進一步分析其運動行為，為智能化監控提供可靠支持。

目前目標跟蹤算法已經廣泛地應用在實際的監控系統中，但大部分的算法僅適用于單個目標的跟蹤。將單目標跟蹤算法應用于場景中同時出現多個目標的跟蹤情況，算法的效果及性能會有明顯的下降，研究方法也比較有限。此外，多個目標跟蹤本身存在著比單個目標跟蹤更復雜的問題，例如，目標之間的重疊與換位，相似目標的混淆等，尤其在追蹤行人目標時，人的行為活動會引起目標形狀的不一致，而且行人間衣著發型的相似度較高等情況。

多目標跟蹤算法是由單目標跟蹤算法擴展而來，單目標跟蹤算法主要分為：基于點的追蹤算法，基于核的追蹤算法和基于輪廓的追蹤算法。單目標跟蹤算法應用于多目標跟蹤情況中復雜度較大，導致算法性能的急速下降，因此僅對已有的單目標跟蹤算法進行擴展無法達到理想的多目標追蹤期望。目前，已經存在許多多目標跟蹤研究的方法期望解決上述的問題。在多目標運動過程中，物體間的遮擋會極大影響追蹤的效果，而顏色特征的加入解決了部分遮擋問題，但單一的特征應用仍不能達到準確追蹤的要求。此外，還有紅外線和多攝像頭輔助監控等手段以實現多目標跟蹤研究，盡管成效明顯但對場景中搭建的硬件環境要求很高。

發明內容

針對目前方法的缺陷，基于單視頻下同一個場景內的多目標行人跟蹤的需求，本發明提出了多級別特征數據關聯的多目標視覺跟蹤算法，通過對關聯匹配目標的全局特征和局部特征的相似度進而提高多目標追蹤的準確性。本發明主要包括模型建立和關聯度計算兩部分，步驟如下：

一種基于多級別特征數據關聯的多目標視覺跟蹤方法，包括下列步驟：

第一步，對于一段輸入的監控視頻，先采用背景差分法分離目標和背景，提取出視頻幀中的目標，記錄所有目標的位置及區域；

第二步，在記錄每個目標的整體特征的同時，計算目標的局部特征，目標的整體特征主要包括：目標大小、目標位置、目標出現時間和目標整體顏色直方圖；目標的局部特征主要包括局部紋理特征和局部區塊目標的顏色統計值；

第三步，將上述得到的多個目標及各自的整體特征和局部特征結合；

第四步，過濾得到的目標，去除不同幀之間相似度低的目標組合，得到相似度高的目標組合；

第五步，對于相似度高的目標組合，計算各個目標的目標相似度、紋理相似度和局部顏色相似度，其中，目標相似度的計算包括目標位置相似度A_posO,目標大小相似度A_sizeO及整體顏色相似度A_apprO,紋理相似度通過計算兩個相鄰幀間目標對象的對應區塊間的歐氏距離，加權求和后得到A_tex(r_j,r_i),同理，局部顏色相似度也為加權對應區塊局部顏色統計值間的歐氏距離得到A_color(r_j,r_i);

第六步，將整體的所有相似度關聯，若j，i為前后兩幀，則整體關聯度P_global(r_j,r_i)為A_posO,A_sizeO和A_apprO的乘積，否則為0；將局部的所有相似度關聯，若j，i為前后兩幀，則局部關聯度P_local(r_j,r_i)為A_tex(r_j,r_i)和A_color(r_j,r_i)的乘積，否則為0；最后，將整體關聯度和局部關聯度結合起來，得到最終關聯度P_link(r_j,r_i)=P_global(r_j,r_i)P_local(r_j,r_i);