[發(fā)明專利]視頻目標(biāo)的多目標(biāo)跟蹤方法、裝置及存儲(chǔ)介質(zhì)

有效

• 申請?zhí)枺?/td>: 201910059922.2
• 申請日: 2019-01-22
• 公開（公告）號(hào): CN109859245B
• 公開（公告）日: 2020-12-11
• 發(fā)明（設(shè)計(jì)）人: 李良群;湛西羊;謝維信;劉宗香
• 申請（專利權(quán)）人: 深圳大學(xué)
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246
• 代理公司: 深圳市恒申知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 44312
• 代理人: 袁文英

1.一種視頻目標(biāo)的多目標(biāo)跟蹤方法，其特征在于，包括：

獲取目標(biāo)對(duì)象的第一圖像特征和觀測對(duì)象的第二圖像特征；

對(duì)所述第一圖像特征和所述第二圖像特征進(jìn)行N種特征類別的特征相似度計(jì)算，得到N組特征相似度結(jié)果，所述N為大于1的整數(shù)，所述得到N組特征相似度結(jié)果通過特征類別對(duì)應(yīng)的相似性度量函數(shù)計(jì)算得到；

基于粗糙集的特征相似度對(duì)所述N組特征相似度結(jié)果進(jìn)行篩選，引入局部信息的最大熵直覺模糊聚類及進(jìn)行局部信息距離測度的近似計(jì)算，利用OSPA距離計(jì)算目標(biāo)對(duì)象與觀測對(duì)象的參考拓?fù)浼木嚯x對(duì)于目標(biāo)對(duì)象o_i和觀測對(duì)象z_k的參考拓?fù)浼腛SPA距離如下：

其中,和分別表示目標(biāo)對(duì)象和觀測對(duì)象的參考拓?fù)浼系脑貍€(gè)數(shù),參考拓?fù)浼械馁|(zhì)心和距離d,RET表示目標(biāo)對(duì)象的參考拓?fù)浼?c是對(duì)未配對(duì)上的懲罰項(xiàng)，q_h數(shù)目表示目標(biāo)對(duì)象參考集與參考拓?fù)浼晒ε鋵?duì)數(shù)目，配對(duì)數(shù)目p,定義為：

其中h_kl定義為：

并將篩選后的結(jié)果進(jìn)行融合，得到特征融合結(jié)果，所述基于粗糙集的特征相似度對(duì)所述N組特征相似度結(jié)果進(jìn)行篩選，包括：

計(jì)算目標(biāo)對(duì)象o_i和觀測對(duì)象z_k對(duì)于特征f_n的相似度，計(jì)算結(jié)果作為論域U_n,所述特征f_n為所述N種特征類別的任意一種特征,

利用公式計(jì)算特征f_n的決策屬性對(duì)論域U_n的依賴度γ_n，所述為所有特征f_n的相似度大于τ_cf的觀測集合，其中，

當(dāng)特征f_n對(duì)應(yīng)的依賴度γ_n大于或等于相似度閾值τ_cf時(shí)，則所述特征f_n為有效特征，可參與后續(xù)的融合,

所述將篩選后的結(jié)果進(jìn)行融合，包括：

根據(jù)公式設(shè)置相應(yīng)特征類別的權(quán)值,

根據(jù)公式對(duì)設(shè)置權(quán)值后的所述特征相似度結(jié)果進(jìn)行融合,

其中，α_i為第i種特征的權(quán)值，f_i(o_i,z_k)為第i種特征的相似度，s(o_i,z_k)為特征融合結(jié)果；

基于最大熵直覺模糊聚類，根據(jù)所述特征融合結(jié)果進(jìn)行關(guān)聯(lián)代價(jià)矩陣計(jì)算，得到關(guān)聯(lián)代價(jià)矩陣計(jì)算結(jié)果；

根據(jù)所述關(guān)聯(lián)代價(jià)矩陣計(jì)算結(jié)果判斷所述目標(biāo)對(duì)象與所述觀測對(duì)象是否關(guān)聯(lián)，若是，則更新目標(biāo)模型；若否，則對(duì)所述目標(biāo)對(duì)象進(jìn)行目標(biāo)軌跡管理，

其中，所述觀測對(duì)象有j個(gè)，所述j為大于1的整數(shù)；

所述對(duì)所述第一圖像特征和所述第二圖像特征進(jìn)行N種特征類別的特征相似度計(jì)算，包括：

計(jì)算所述第一圖像特征分別與j個(gè)所述第二圖像特征的特征相似度；

其中，所述N等于7，7種特征類別分別為：距離、顏色、邊緣、紋理、形狀、運(yùn)動(dòng)方向和重疊面積，其中，所述7種特征類別對(duì)應(yīng)的相似性度量函數(shù)，包括：

其中，f₁(o_i,z_k)為空間距離特征相似性度量函數(shù)，f₂(o_i,z_k)為幾何尺寸特征相似性度量函數(shù)，f₃(o_i,z_k)為運(yùn)動(dòng)方向特征相似性度量函數(shù)，f₄(o_i,z_k)為顏色特征相似性度量函數(shù)，f₅(o_i,z_k)為梯度方向特征相似性度量函數(shù)，f₆(o_i,z_k)為紋理特征相似性度量函數(shù)，f₇(o_i,z_k)為重疊面積相似性度量函數(shù)；(x_o,y_o)為目標(biāo)對(duì)象o_i的中心坐標(biāo)，(x_z,y_z)為觀測對(duì)象z_k的中心坐標(biāo)，h_o為目標(biāo)對(duì)象o_i的圖像高度，為空間距離方差常量，h_z為觀測對(duì)象z_k的圖像高度，為幾何尺寸方差常量，(x'_o,y'_o)為上一時(shí)刻目標(biāo)對(duì)象o_i的中心坐標(biāo)，為上一時(shí)刻目標(biāo)對(duì)象o_i的速度在圖像坐標(biāo)軸上的投影，為運(yùn)動(dòng)方向方差常量，ρ(·)表示求巴氏系數(shù)，H_r(·)表示顏色直方圖，為顏色直方圖方差常量，H_g(·)表示分塊梯度方向直方圖特征，為梯度方向方差常量，H_l(·)表示紋理特征直方圖，為紋理特征方差常量，w(o_i,z_k)表示目標(biāo)對(duì)象o_i與觀測對(duì)象z_k之間的遮擋度，為重疊面積方差常量；

其中，所述基于最大熵直覺模糊聚類，根據(jù)所述特征融合結(jié)果進(jìn)行關(guān)聯(lián)代價(jià)矩陣計(jì)算，得到關(guān)聯(lián)代價(jià)矩陣計(jì)算結(jié)果，包括：

根據(jù)所述特征融合結(jié)果，計(jì)算目標(biāo)對(duì)象和觀測對(duì)象之間的參考拓?fù)浼嚯x；

根據(jù)所述目標(biāo)對(duì)象和觀測對(duì)象之間的參考拓?fù)浼嚯x，計(jì)算目標(biāo)對(duì)象與觀測對(duì)象的直覺模糊隸屬度；

根據(jù)所述目標(biāo)對(duì)象與觀測對(duì)象的直覺模糊隸屬度，構(gòu)建關(guān)聯(lián)代價(jià)矩陣對(duì)目標(biāo)對(duì)象進(jìn)行關(guān)聯(lián)，得到關(guān)聯(lián)代價(jià)矩陣計(jì)算結(jié)果。