[發(fā)明專利]一種基于時間序列多特征融合的多目標(biāo)跟蹤方法

有效

• 申請?zhí)枺?/td>: 201811210852.8
• 申請日: 2018-10-17
• 公開（公告）號: CN109360226B
• 公開（公告）日: 2021-09-24
• 發(fā)明（設(shè)計）人: 田勝;陳麗瓊;鄒煉;范賜恩;楊燁;胡雨涵
• 申請（專利權(quán)）人: 武漢大學(xué)
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06K9/62
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 薛玲

1.一種基于時間序列多特征融合的多目標(biāo)跟蹤方法，其特征在于，包括以下步驟：

步驟1：根據(jù)SSD多目標(biāo)檢測算法檢測幀圖像中的跟蹤目標(biāo)，通過SSD檢測跟蹤目標(biāo)的置信度與置信度閾值的比較，統(tǒng)計跟蹤目標(biāo)的類別以及跟蹤目標(biāo)的候選框；

步驟2：使用卷積網(wǎng)絡(luò)提取跟蹤目標(biāo)在當(dāng)前幀的位置框的卷積特征，通過跟蹤目標(biāo)的相關(guān)濾波器計算當(dāng)前幀圖像中各個位置的響應(yīng)置信度得分，將得分最高的點定義為當(dāng)前幀圖像下跟蹤目標(biāo)的移動預(yù)測中心點，并通過移動預(yù)測中心點篩選候選框；

步驟3：計算處于跟蹤態(tài)或丟失態(tài)的跟蹤目標(biāo)和篩選后候選框的外觀相似性分?jǐn)?shù)；

步驟4：計算處于跟蹤態(tài)或丟失態(tài)的跟蹤目標(biāo)和篩選后候選框的運動相似性分?jǐn)?shù)；

步驟5：計算處于跟蹤態(tài)或丟失態(tài)的跟蹤目標(biāo)和篩選后候選框的交互特征相似性分?jǐn)?shù)；

步驟6：若處于跟蹤態(tài)或者丟失態(tài)的跟蹤目標(biāo)匹配到候選框則將總相似性分?jǐn)?shù)與匹配分?jǐn)?shù)閾值比較，當(dāng)總相似性分?jǐn)?shù)大于匹配分?jǐn)?shù)閾值則候選框轉(zhuǎn)換為跟蹤目標(biāo)在當(dāng)前幀圖像的跟蹤框，更新跟蹤目標(biāo)的外觀特征、速度特征、交互特征信息；若處于跟蹤態(tài)或者丟失態(tài)的跟蹤目標(biāo)未匹配到候選框，則通過步驟2更新跟蹤目標(biāo)的狀態(tài)信息；

步驟7：對于已存在的跟蹤目標(biāo)進(jìn)行關(guān)聯(lián)未匹配的候選框，將未匹配的候選框認(rèn)定為新跟蹤目標(biāo)，初始化新跟蹤目標(biāo)，建立新跟蹤目標(biāo)，構(gòu)建新跟蹤目標(biāo)的位置特征模型、外觀特征模型、速度特征模型和交互特征模型，并將其狀態(tài)更新為跟蹤態(tài)，在后續(xù)幀圖像中進(jìn)行數(shù)據(jù)關(guān)聯(lián)匹配跟蹤；

步驟8：重新檢索當(dāng)前幀的各個處于跟蹤狀態(tài)的跟蹤目標(biāo)，采用交并比計算各個跟蹤目標(biāo)間的重疊度；

步驟9：將連續(xù)多幀圖像中連續(xù)處于丟失態(tài)的跟蹤目標(biāo)認(rèn)定為已經(jīng)消失的目標(biāo)，保存其跟蹤狀態(tài)的數(shù)據(jù)信息，不再對其進(jìn)行數(shù)據(jù)匹配操作。

2.根據(jù)權(quán)利要求1所述的基于時間序列多特征融合的多目標(biāo)跟蹤方法，其特征在于：步驟1中所述幀圖像為第m幅圖像，步驟1中所述跟蹤目標(biāo)的類別數(shù)量為N_m，步驟1中所述跟蹤目標(biāo)的候選框為：

D_i,m＝{x_i,m∈[l_i,m,l_i,m+lenth_i,m],y_i,m∈[w_i,m,w_i,m+width_i,m]|(x_i,m,y_i,m)},i∈[1,K_m]

其中，K_m為在第m幀圖像中跟蹤目標(biāo)的候選框數(shù)量，l_i,m為在第m幀圖像中第i跟蹤目標(biāo)的候選框X軸的起點坐標(biāo)，w_i,m為在第m幀圖像中第i跟蹤目標(biāo)的候選框Y軸的起點坐標(biāo)，lenth_i,m為在第m幀圖像中第i跟蹤目標(biāo)的候選框的長度，width_i,m為在第m幀圖像中第i跟蹤目標(biāo)的候選框的寬度。