[發明專利]一種基于多尺度特征量的目標跟蹤方法和系統

有效

• 申請號: 201910963491.2
• 申請日: 2019-10-11
• 公開（公告）號: CN110909592B
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 代宇慶;李楊
• 申請（專利權）人: 重慶特斯聯智慧科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/62
• 代理公司: 北京辰權知識產權代理有限公司 11619
• 代理人: 谷波

1.一種基于多尺度特征量的目標跟蹤方法，其特征在于，包括：

獲取被跟蹤目標在當前時間點與在當前時間點之前的預定時間段內時間點的位置點；

過濾所述在當前時間點與在當前時間點之前的預定時間段內時間點的噪聲位置點，生成有效位置點；

將所述有效位置點按照時間和空間分布，聚類為N個位置點簇群；

分別計算所述位置點簇群的簇群中心與在時間上相鄰的上一個簇群的簇群中心之間的移動距離；

將所述移動距離與預定的尺度閾值比較，判斷所述被跟蹤目標當前時間點的位置點所在簇群與在當前時間點之前的預設時間段內時間點的位置點所在簇群分別屬于大尺度移動還是小尺度移動；

根據判斷結果，生成被跟蹤目標的將來位置點簇群，對所述被跟蹤目標當前時間點的位置點的移動進行預判；如果所述被跟蹤目標當前時間點的位置點屬于小尺度移動，則從海量目標數據中選取與所述被跟蹤目標當前時間點的位置點所在簇群鄰近的位置點簇群中屬于小尺度移動的目標數據；根據所述目標數據中包含的屬于小尺度移動的位置點所屬簇群，生成潛在位置點簇群，并確定所述潛在位置點簇群的條件概率；參考所述被跟蹤目標當前時間點之前的預設時間段內屬于小尺度移動的位置點與當前時間點屬于小尺度移動的位置點，根據所述潛在位置點簇群的條件概率，生成被跟蹤目標的將來位置點簇群；如果所述被跟蹤目標當前時間點的位置點屬于大尺度移動，則從海量目標數據中選取與所述被跟蹤目標當前時間點的位置點所在簇群鄰近的位置點簇群中屬于大尺度移動的目標數據；根據所述目標數據中包含的屬于大尺度移動的位置點所屬簇群，生成潛在位置點簇群，并確定所述潛在位置點簇群的條件概率；參考所述被跟蹤目標當前時間點之前的預設時間段內屬于大尺度移動的位置點與當前時間點屬于大尺度移動的位置點，根據所述潛在位置點簇群的條件概率，生成被跟蹤目標的將來位置點簇群；根據所述被跟蹤目標的將來位置點簇群，對所述被跟蹤目標當前時間點的位置點的移動進行預判；

根據所述預判結果，在所述將來位置點簇群中的位置點處進行目標跟蹤處理。

2.如權利要求1所述的一種基于多尺度特征量的目標跟蹤方法，其特征在于，過濾所述在當前時間點與之前的一個預設時間點段內時間點的噪聲位置點，生成有效位置點，包括：

判斷所述當前時間點與之前的一個預定時間段內時間點的位置點半徑為R的鄰域空間內位置點的數量是否小于過濾閾值；

如果小于過濾閾值，則所述位置點為噪聲點，將所述位置點進行過濾；如果大于過濾閾值，則所述位置點為有效位置點。

3.如權利要求1所述的一種基于多尺度特征量的目標跟蹤方法，其特征在于，將所述有效位置點按照時間和空間分布，聚類為N個位置點簇群，包括：

選擇步驟：隨機選擇所述有效位置點中的N個位置點作為初始的簇群中心；

確定步驟：對于上述N個位置點以外的剩余的每個有效位置點，確定與每個有效位置點在時間上相鄰的一個或多個簇群中心；

劃分步驟：將所述剩余的每個有效位置點分別劃分到距離最近的簇群中心所在的簇群；

計算步驟：計算所述簇群中的位置點之間的平均距離，選擇平均距離最小的位置點作為本簇群的簇群中心；

生成步驟：重復確定步驟、劃分步驟與計算步驟，直至每個簇群的組成不再變化，生成N個位置點簇群。

4.如權利要求1所述的一種基于多尺度特征量的目標跟蹤方法，其特征在于，判斷所述被跟蹤目標當前時間點的位置點所在簇群與在當前時間點之前的預設時間段內時間點的位置點所在簇群分別屬于大尺度移動還是小尺度移動，包括：

如果所述移動距離小于預定的尺度閾值，則所述被跟蹤目標當前時間點的位置點所在簇群屬于小尺度移動；如果所述移動距離大于預定的尺度閾值，則所述被跟蹤目標當前時間點的位置點所在簇群屬于大尺度移動；

如果所述移動距離小于預定的尺度閾值，則所述被跟蹤目標在所述當前時間點之前的預設時間段內時間點的位置點所在簇群屬于小尺度移動；如果所述移動距離大于預定的尺度閾值，則所述被跟蹤目標在所述當前時間點之前的預設時間段內時間點的位置點所在簇群屬于大尺度移動。