[發明專利]基于TSK模糊系統的多目標跟蹤方法、裝置及存儲介質

有效

• 申請號: 201910650053.0
• 申請日: 2019-07-18
• 公開（公告）號: CN110363165B
• 公開（公告）日: 2023-04-14
• 發明（設計）人: 李良群;嚴明月;李小香;劉宗香
• 申請（專利權）人: 深圳大學
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/762;G06V10/774
• 代理公司: 深圳市恒申知識產權事務所(普通合伙) 44312
• 代理人: 李紅梅

1.一種基于TSK模糊系統的多目標跟蹤方法，其特征在于，包括：

對圖像中的運動目標進行檢測得到觀測集，并判斷擁有穩定航跡的目標數是否大于0；

在所述擁有穩定航跡的目標數大于0時，提取m條穩定航跡的所有運動特征集合，并對所述運動特征集合構建多輸出回歸數據集；

將不同目標劃分到不同模糊集，計算所述運動特征集合中各特征相對第k’個模糊規則的模糊隸屬度；

基于所述多輸出回歸數據集以及所述模糊隸屬度，訓練出第j個穩定航跡的TSK模糊分類器的后件參數，并基于所訓練得到的后件參數構建TSK模糊分類器，并將所述觀測集輸入至所述TSK模糊分類器，得到標簽向量矩陣，然后對所述標簽向量矩陣進行數據關聯；

在所述擁有穩定航跡的目標數小于或等于0時，計算目標集中的目標對象與所述觀測集中的觀測對象之間的特征相似度，并將所述特征相似度輸入至TSK模糊模型，得到隸屬度矩陣，然后對所述隸屬度矩陣進行數據關聯；

基于數據關聯結果進行軌跡管理。

2.如權利要求1所述的多目標跟蹤方法，其特征在于，所述TSK模糊分類器表示如下：

其中，IF部分為規則前件，THEN部分為規則后件，K’是模糊規則的數量，分別為第k條規則的輸入變量x’、z’對應的模糊子集，and是模糊連接算子，f^k′(u)為每條模糊規則的輸出結果，(x’，z’)為運動特征，為運動特征中心向量。

3.如權利要求1所述的多目標跟蹤方法，其特征在于，所述將所述特征相似度輸入至TSK模糊模型，得到隸屬度矩陣包括：

將所述特征相似度輸入至TSK模糊模型，得到每條模糊規則的輸出結果；

計算所述每條模糊規則的權重，并基于所述每條模糊規則的權重對所述每條模糊規則的輸出結果進行加權平均，得到所述目標對象與所述觀測對象之間的隸屬度；

基于所述隸屬度構建得到隸屬度矩陣。

4.如權利要求3所述的多目標跟蹤方法，其特征在于，所述TSK模糊模型表示如下：

其中，IF部分為規則前件，THEN部分為規則后件,K是模糊規則的數量，是第k條規則的輸入變量x_d對應的模糊子集，and是模糊連接算子，輸入變量x＝[x₁,x₂,...,x_d]^T為每條模糊規則的前件變量,d為x的維度，為后件變量，f^k(x)為每條模糊規則的輸出結果。

5.如權利要求1至4中任意一項所述的多目標跟蹤方法，其特征在于，所述基于數據關聯結果進行軌跡管理包括：

從未被關聯上的觀測對象中確定新目標對象所對應的觀測對象；

為各所述新目標對象所對應的觀測對象建立新的臨時軌跡，并判斷所述臨時軌跡是否連續預設幀數均被關聯上；

在所述臨時軌跡連續預設幀數均被關聯上時，將所述臨時軌跡轉化為有效目標軌跡；

采用卡爾曼濾波器對每條臨時軌跡以及有效目標軌跡進行濾波及預測。