[發明專利]一種基于改進的隨機森林的多目標跟蹤方法及裝置

有效

• 申請號: 201310353511.7
• 申請日: 2013-08-09
• 公開（公告）號: CN103400391A
• 公開（公告）日: 2013-11-20
• 發明（設計）人: 王二孟;王巍;張永亮;顧威威
• 申請（專利權）人: 北京博思廷科技有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京慶峰財智知識產權代理事務所(普通合伙) 11417
• 代理人: 劉元霞

技術領域

本發明涉及計算機視覺領域和人工智能領域，尤其是涉及一種基于改進的隨機森林的多目標跟蹤方法及裝置。

背景技術

近年來，隨著科技的發展，公共安全視頻監控系統是對城市社會治安主動掌握并打擊的有力手段，如在車站、碼頭、機場、港口、城市交通要道及出入口等地建立公共安全視頻監控系統，發揮其現代技術防范手段的優勢，對維護社會政治和治安穩定意義重大。

傳統的視頻監控系統僅僅相當于一個視頻采集瀏覽器的作用，監控人員需要長時間進行人工觀測，僅憑主觀決定是否采取應急措施，而監控者很少能長時間保持注意力。近年來智能視頻監控系統得到蓬勃發展，已經有了很多成熟的應用，如對禁區闖入、跨越半線、遺留移走等行為的檢測。智能視頻監控系統的工作原理一般來說分為幾個步驟：首先在輸入的視頻序列中提取出感興趣的運動目標，然后對運動目標進行跟蹤，通過跟蹤運動目標識別其運動特征，最后在運動目標做出某些用戶認為是異常的運動特征時，發出報警。可以看出，目標跟蹤是智能視頻監控系統的一個重要組成部分。

智能圖像分析領域的一個重要方向就是多目標跟蹤，多目標跟蹤的難點和重點是多個目標交叉以后的匹配定位問題，傳統的方法有meanshift,光流法等，這些方法不能有效的解決目標交叉后的重新定位問題，會出現大量匹配錯誤，目標丟失等問題，本發明提出一種基于隨機森林的多目標跟蹤系統，可以有效的降低目標交叉以后目標跟丟跟錯的幾率，隨機森林分類算法因其執行時間快，最近幾年在很多領域都有應用，但主要的應用領域是圖像分類，圖像識別等，本發明把其應用到圖像跟蹤算法中，效果相比傳統的算法有明顯的提升。

在多目標跟蹤系統中，目前面臨的一個重要問題就是多個目標交叉以后目標軌跡如何保持一致，有效的解決這個問題是后續處理如人臉識別，人流計數等的重要前提，本發明針對多目標跟蹤過程的交叉問題，如行人跟蹤和車輛跟蹤中存在多個目標交叉以后出現跟錯跟丟的問題，提出了一種基于改進的隨機森林的多目標跟蹤交叉的解決方案。

發明內容

為了解決上述問題，本發明提供了一種基于改進的隨機森林的多目標跟蹤裝置，該裝置包括：隨機森林訓練模塊，用于對交叉之前的目標進行訓練學習，建立目標分類器；隨機森林分類模塊，在下一幀用訓練好的分類器對交叉后的目標區域進行分類；目標重新定位模塊，對分類后的塊執行聚類操作，形成目標位置區域。

進一步，所述隨機森林訓練模塊被配置為：針對交叉前一幀目標，首先建立隨機森林，將隨機點對的灰度差分作為特征，在目標的每個小塊隨機選取兩個像素點的灰度，然后計算這兩個灰度的差值，如果大于0則進入右分支，否則為左分支，將交叉前目標A1，A2分別劃分成若干個互相重疊的規定大小的塊分別存儲在Blocks1和Blocks2，然后首先針對目標A1訓練分類器，把Blocks1當作正樣本，把Blocks2當作負樣本，使用隨機森林進行訓練得到每個葉子節點屬于當前目標的后驗概率，后驗概率越大則認為當前塊越有可能屬于當前目標，Blocks1和Blocks2中的所有塊進行訓練以后，則生成目標A1的一個隨機森林分類器C1，同樣可以訓練A2的分類器C2。

進一步，所述隨機森林訓練模塊使用隨機森林的樹的高度為13，樹的個數為10。

進一步，隨機森林分類模塊被配置為：首先使用和訓練時所用塊大小一樣的塊，在當前幀交叉后的區域通過滑動窗口方式進行掃描，在掃描的每一個位置使用分類器C1和C2進行分類，即把每個窗口通過分類器C1或C2的每一層，最終到達每一棵樹的葉子節點leaf,如果此葉子節點leaf的后驗概率大于分類器C1訓練時生成的分類概率，則認為此塊屬于目標A1,如果大于分類器C2訓練時生成的分類概率，則屬于目標A2，分類后屬于A1的塊的集合為dividedBlocks1，屬于A2的塊的集合為dividedBlocks2。

進一步，所述目標重新定位模塊被配置為：對dividedBlocks1

和

dividedBlocks2中的塊分別執行聚類操作，具體為當兩個塊的重疊度大于閾值時則合并成一個塊，當沒有任何互相重疊度大于閾值的塊的時候，就直接取這些塊的外接矩形，即包含這些塊的最大的矩形區域作為目標位置；當所有的塊都相交的時候，把所有的塊合并成為一個塊，這個塊就是目標的位置區域；當至少有兩個塊可以合并的時候，取這兩個塊的外接矩形作為目標位置區域。

本發明還提供了一種基于改進的隨機森林的多目標跟蹤方法，該方法包括以下步驟：

步驟（1）用于對交叉之前的目標進行訓練學習，建立目標分類器；