[發明專利]一種基于連續最小能量與表觀模型的多目標關聯跟蹤方法

在審

• 申請號: 201410108136.4
• 申請日: 2014-03-21
• 公開（公告）號: CN103955947A
• 公開（公告）日: 2014-07-30
• 發明（設計）人: 朱松豪;胡娟娟;李向向;陳玲玲
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 南京知識律師事務所 32207
• 代理人: 汪旭東

1.一種基于連續最小能量與表觀模型的多目標關聯跟蹤方法，其特征在于，所述方法包括如下步驟：

步驟1：輸入給定的訓練視頻圖像數據，將檢測對象的集合記為每幀中的檢測對象表示為r_i=(x_i,y_i,s_i,t_i,a_i)；(x_i,y_i)表示目標i的位置坐標信息，s_i代表目標的大小，t_i為目標出現的幀序號，a_i目標i的顏色直方圖；跟蹤片段T_k表示為軌跡集合記為T={T_k}；T^L，T^M，T^H分別對應著一級、二級和高級關聯跟蹤結果；二級關聯跟蹤是一個迭代過程：每一輪都將上一輪的輸出作為下一輪的輸入，繼續關聯；

步驟2：改進的在線學習表觀模型方法，所述方法包括如下步驟：

首先，輸入訓練樣本集；

然后，分別提取正負樣本集，其中正樣本集表示為：S⁺={x_i,+1}負樣本集表示為：S-={x_i,-1},特征池表示為：F={h(x_i)}；

接下來，初始化樣本的權重值，包括：

1)得到樣本的初始權值ωi=1|S+|,ifxi∈S+orωi=1|S-|,ifxi∈S-;]]>

2)在t=1to?T內循環計算

在k=1,2,…,n內循環計算

r=Σiωiyihk(xi)vk(xi);]]>

αk=12ln1+r1-r;]]>

結束循環

選擇使Σiωiexp(-αkyihk(xi)vk(xi))]]>最小的k^*

同時更新α_t、h_t、v_t的值：αt=αk*,ht=hk*,vt=vk*]]>

再然后，更新樣本的權重值：ω_i＝ω_iexp(-α_ky_ih_k(x_i)v_k(x_i));

歸一化樣本的權重值ω_i.

結束循環

3)最后輸出學習結果：

步驟3：通過構建MAP方程，將初始關聯得到的可靠跟蹤軌跡繼續關聯；

首先定義一個最優分配矩陣采用匈牙利方法都能得到關聯矩陣C的最優匹配；對于任意包括：

1)如果i=j≤n，則是一個虛警；

2)如果i，j≤n并且i≠j，則將的首、尾相連；

3)如果i=j+n，則將初始化為關聯跟蹤軌跡的頭；

4)如果i+n=j，則將初始化為關聯跟蹤軌跡的尾；

最終，計算得到最優的關聯L^*以及相對應的跟蹤片段集合T^M；

步驟4：采用智能探測外推法，將二次關聯所得的跟蹤片段進行再次關聯；

智能探測策略推演法包括目標增長與收縮策略、目標軌跡拆分與合并策略和軌跡刪除與添加策略。