[發明專利]基于馬爾科夫模型的視頻多行人追蹤方法

有效

• 申請號: 202010092644.3
• 申請日: 2020-02-14
• 公開（公告）號: CN111242985B
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 楊帆;黃翠彥;龐琬佳;胡丁文
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T7/277
• 分類號: G06T7/277;G06V10/74
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 李夢蝶

1.基于馬爾科夫模型的視頻多行人追蹤方法，其特征在于，包括：

S1、獲取視頻序列第一幀中的行人檢測框，并將其作為初始運動軌跡；

S2、獲取視頻序列下一幀中的行人檢測框，并計算每個行人檢測框與所有運動軌跡上一幀中的行人檢測框之間的運動相似度及外觀相似度；

S3、判斷同一行人檢測框對應的所有運動相似度是否均大于運動閾值及所有的外觀相似度是否均大于外觀閾值；

若所有運動相似度均大于運動閾值或者所有的外觀相似度均大于外觀閾值，則新增一條運動軌跡并返回步驟S2；

若所有運動相似度均小于等于運動閾值且所有的外觀相似度均小于等于外觀閾值，則進入步驟S4；

S4、根據行人檢測框與運動軌跡的運動相似度和外觀相似度，分別計算每條運動軌跡與每個行人檢測框的匹配相似度；

S5、判斷當前行人檢測框與運動軌跡之間的運動相似度是否大于運動閾值及外觀相似度是否大于外觀閾值；

若運動相似度大于運動閾值或者外觀相似度大于外觀閾值，則運動軌跡轉移到當前行人檢測框的轉移概率為零；

若運動相似度小于等于運動閾值且外觀相似度小于等于外觀閾值，則進入步驟S6；

S6、根據同一運動軌跡與所有行人檢測框之間的匹配相似度，采用馬爾科夫模型分別計算每條運動軌跡轉移至每個行人檢測框的歸一化的轉移概率；

S7、根據同一運動軌跡與所有的行人檢測框之間的轉移概率，對多條軌跡進行跟蹤，并在運動軌跡有效時更新計算匹配相似度時的權重后返回步驟S2；

所述步驟S7進一步包括：

S71、判斷同一條運動軌跡的所有轉移概率之間的關系；

S711、若同一條運動軌跡的所有轉移概率均為零，則當前運動軌跡為漏檢，并判斷當前運動軌跡連續出現漏檢的次數是否大于設定閾值，若是，進入步驟S7111，否則進入S7112；

S7111，運動軌跡無效，結束當前運動軌跡的跟蹤；

S7112，更新計算匹配相似度時的權重后返回步驟S2；

S712、若同一條運動軌跡存在最大轉移概率，將最大轉移概率對應的行人檢測框擴展為運動軌跡的末端數據；

S713、當所有運動軌跡的最大轉移概率確定完成后，判斷是否存在至少兩個最大轉移概率對應于同一行人檢測框；若不存在，進入步驟S7131，否則進行步驟S7132；

S7131、更新計算匹配相似度時的權重后返回步驟S2；

S7132、標記相應運動軌跡為交叉，并查找運動軌跡在交叉時前一幀的行人檢測框，并將其作為軌跡跟蹤時下一幀的上一幀中行人檢測框，同時更新計算匹配相似度時的權重后返回步驟S2。

2.根據權利要求1所述的基于馬爾科夫模型的視頻多行人追蹤方法，其特征在于，計算運動軌跡與行人檢測框的匹配相似度的公式為：

其中，Sim(i,j)為運動軌跡i與當前行人檢測框j之間的匹配相似度；d(i,j)為運動軌跡i和當前行人檢測框j的像素距離；Iou(i,j)為運動軌跡i對應的行人檢測框和當前行人檢測框j之間的重合占比；F(i,j)為外觀相似度，即運動軌跡i對應的行人檢測框的外觀特征與當前行人檢測框j的外觀特征的歐式距離；α、β和γ分別為像素距離、重合占比和外觀相似度的權重，α+β+γ＝1；e為0.00001～0.001間的正數。

3.根據權利要求2所述的基于馬爾科夫模型的視頻多行人追蹤方法，其特征在于，在步驟S7112和步驟S7132中，均更新權重γ＞α＞β；在步驟S7131中，更新權重γ＝α＝β。

4.根據權利要求2所述的基于馬爾科夫模型的視頻多行人追蹤方法，其特征在于，采用馬爾科夫模型分別計算同一條運動軌跡轉移至每個行人檢測框的歸一化的轉移概率的計算公式為：

其中，P_t(i,j)為第t幀中運動軌跡i轉移至行人檢測框j的歸一化的轉移概率；N為第t幀中行人檢測框的總數量。