[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

根據本發明實施例公開的基于TSK模糊系統的多目標跟蹤方法、裝置及存儲介質，首先判斷擁有穩定航跡的目標數是否大于0；若是，則構建TSK模糊分類器，并將觀測集輸入至TSK模糊分類器，得到標簽向量矩陣，然后對標簽向量矩陣進行數據關聯；若否，則計算目標集中的目標對象與觀測集中的觀測對象之間的特征相似度，并將特征相似度輸入至TSK模糊模型，得到隸屬度矩陣，然后對隸屬度矩陣進行數據關聯；最后基于數據關聯結果進行軌跡管理。通過本發明的實施，建立TSK模糊分類器來對穩定航跡和觀測進行關聯，并利用TSK模糊模型對新觀測進行簡易數據關聯，能夠準確地完成目標與觀測間的數據關聯，實現對視頻多目標的準確跟蹤。

技術領域

本發明涉及目標跟蹤技術領域，尤其涉及一種基于TSK模糊系統的多目標跟蹤方法、裝置及存儲介質。

背景技術

視頻多目標跟蹤技術可以簡單的理解為：在視頻圖像序列中，通過算法檢測出多個感興趣的目標，標記其位置得到對應的標簽，最終獲得目標完整的運動軌跡。基于檢測的視頻多目標跟蹤技術將視頻多目標跟蹤分為兩個方面：一是目標檢測，即選用合適的目標檢測方法得到感興趣目標的觀測；二是數據關聯，即通過數據關聯將不同時刻下的觀測匹配給正確的目標，從而形成每個目標的運動軌跡。由此，能否進行準確的數據關聯對整個目標跟蹤結果起著重要的作用。

在實際應用中，在進行視頻多目標跟蹤時，目標的外觀特征和動態模型表現出非常強的非線性非高斯特性，從而造成跟蹤過程中具有較大的不確定性。目前，通常采用傳統的概率方法來所建立的模型來進行數據關聯，然而傳統概率方法所建立的模型的分類精度和可解釋性較低，使得目標與觀測的數據關聯準確性較低，無法實現視頻多目標的準確跟蹤。

發明內容

本發明實施例的主要目的在于提供一種基于TSK模糊系統的多目標跟蹤方法、裝置及存儲介質，至少能夠解決相關技術中采用傳統概率方法所建立的模型的分類精度和可解釋性較低，所導致的目標與觀測的數據關聯準確性較低，無法實現視頻多目標的準確跟蹤的問題。

為實現上述目的，本發明實施例第一方面提供了一種基于TSK模糊系統的多目標跟蹤方法，該方法包括：

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，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。

為實現上述目的，本發明實施例第二方面提供了一種基于TSK模糊系統的多目標跟蹤裝置，該裝置包括：

判斷模塊，用于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；

第一關聯模塊，用于在所述擁有穩定航跡的目標數大于0時，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；

第二關聯模塊，用于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；

管理模塊，用于基于數據關聯結果進行軌跡管理。

為實現上述目的，本發明實施例第三方面提供了一種電子裝置，該電子裝置包括：處理器、存儲器和通信總線；

所述通信總線用于實現所述處理器和存儲器之間的連接通信；