[發明專利]視頻多目標模糊數據關聯方法及裝置

有效

• 申請號: 201710452479.6
• 申請日: 2017-06-15
• 公開（公告）號: CN107423686B
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 李良群;湛西羊;羅升;劉宗香;謝維信
• 申請（專利權）人: 深圳大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T7/246
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 李慶波

1.一種視頻多目標模糊數據關聯方法，其特征在于，所述方法包括：

對當前視頻幀進行在線目標運動檢測，檢測得到的可能運動對象作為觀測結果；

計算所述當前視頻幀中不同目標的預測結果之間的遮擋度，其中所述預測結果是至少利用前一視頻幀的目標的軌跡進行預測而得到的；

根據所述遮擋度分別判斷每一所述預測結果與其他所述預測結果之間是否發生遮擋；

若所述預測結果與任何其他所述預測結果之間均未發生遮擋，則對所述預測結果和所述觀測結果進行第一數據關聯；若所述預測結果與其他所述預測結果之間發生遮擋，則對所述預測結果和所述觀測結果進行第二數據關聯，其中，所述第一數據關聯和所述第二數據關聯不同；

其中，不同預測結果A與預測結果B之間的遮擋度定義為：

s(·)表示區域面積。

2.根據權利要求1所述的方法，其特征在于，若所述預測結果與任何其他所述預測結果之間均未發生遮擋，則對所述預測結果和所述觀測結果進行第一數據關聯包括：

計算所述觀測結果和所述預測結果之間的第一相似性度量，所述第一相似性度量包括空間距離特征相似性度量以及外觀特征相似性度量；

利用所述第一相似性度量計算所述觀測結果和所述預測結果之間的關聯代價矩陣；

采用貪婪算法對所述關聯代價矩陣進行優化求解，找出關聯的所述觀測結果和所述預測結果。

3.根據權利要求2所述的方法，其特征在于，觀測結果d與預測結果o之間的所述空間距離特征相似性度量f_D(·)定義為：

其中，||·||₂為二范數，(x_o,y_o)為所述預測結果o的中心坐標，(x_d,y_d)為所述觀測結果d的中心坐標，h_o為所述預測結果o的高度，為方差常量；

所述觀測結果d與所述預測結果o之間的所述外觀特征相似性度量f_S(·)定義為：

其中，h_d為所述觀測結果d的高度，為方差常量；

利用所述第一相似性度量計算所述觀測結果和所述預測結果之間的關聯代價矩陣包括：

采用乘性融合對所述空間距離特征相似性度量以及外觀特征相似性度量進行融合，以得到所述觀測結果和所述預測結果之間的關聯度，定義為：

s_ij＝f_D(o,d)×f_s(o,d)

根據所述關聯度得到所述觀測結果和所述預測結果之間的關聯代價矩陣，定義為：

S＝[s_ij]_n×l

其中，i＝1,2,…n,j＝1,2,…,l。

4.根據權利要求2所述的方法，其特征在于，所述采用貪婪算法對所述關聯代價矩陣進行優化求解，找出關聯的觀測結果和預測結果包括：

找出所述關聯代價矩陣S中未被標記的所有元素中的最大值；

判斷所述最大值是否為所在行列中的最大值，且大于第一閾值；

若大于，則所述觀測結果和所述預測結果正確關聯。

5.根據權利要求1所述的方法，其特征在于，若所述預測結果與其他所述預測結果之間發生遮擋，則對所述預測結果和所述觀測結果進行第二數據關聯包括：

計算所述觀測結果和所述預測結果之間的第二相似性度量，所述第二相似性度量包括外觀特征相似性度量、幾何形狀特征相似性度量、運動特征相似性度量以及空間距離特征相似性度量；

采用模糊推理系統模型計算所述第二相似性度量中每一特征相似性度量的權重值；

對所述權重值和所述第二相似性度量進行加權和融合，以得到所述觀測結果和所述預測結果之間的關聯代價矩陣；

采用貪婪算法對所述關聯代價矩陣進行優化求解，找出關聯的所述觀測結果和所述預測結果。