[發明專利]基于整體圖平均化模型的群體目標軌跡分析模型

在審

• 申請號: 202010961816.6
• 申請日: 2020-09-14
• 公開（公告）號: CN112102371A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 李博;曹黎俊;張旭中
• 申請（專利權）人: 湖州中科院應用技術研究與產業化中心
• 主分類號: G06T7/292
• 分類號: G06T7/292
• 代理公司: 成都華風專利事務所(普通合伙) 51223
• 代理人: 張巨箭

1.基于整體圖平均化模型的群體目標軌跡分析模型，其特征在于：輸入是目標的軌跡片段，而輸出是該目標的在多攝像機下的完整運動軌跡；所述模型采用最小代價流網絡建立，所述最小代價流網絡G包括節點N、邊E和權重W，權重W表示連接兩個節點的邊的值；

所述節點包括軌跡片段l_i節點，具體包括軌跡片段開始節點i^enter和軌跡片段結束節點i^exit；其中，從節點i^enter到節點i^exit的邊為觀測邊e_i，權重為w_i；從節點i^exit到節點j^enter的邊表示兩個軌跡片段的連接關系，為轉移邊e_ij，權重為w_ij；所述節點還包括虛擬源節點S和匯集點節點T，軌跡片段l_i的開始和l_j的結束分別用輸入邊e_Si和輸出邊e_jT表示，權重分別為w_Si和輸出邊w_jT；

其中，權重的計算方式為：

式中，觀測邊e_i的權重w_i是軌跡片段l_i的條件概率P(l_i|Γ)的負對數，Γ表示軌跡片段的集合；M表示軌跡片段的數量；轉移概率P(l_i|l_j)通過表觀相似度P_a(l_i→l_j)和運動特征相似度P_m(l_i→l_j)計算得到，k₁和k₂是兩個特征的比率。

2.根據權利要求1所述的基于整體圖平均化模型的群體目標軌跡分析模型，其特征在于：一條完整的多攝像機目標軌跡為一系列的軌跡片段組成：其中所有可能的完整軌跡的集合為Γ＝{Γ_i}；因此，進行軌跡片段數據關聯得到完整運動軌跡的目標就成了：給定軌跡片段集合L，最大化Γ的后驗概率：

其中，P(l_i|Γ)是軌跡片段l_i的條件概率，先驗概率P(Γ_k)使用完整軌跡Γ_k中隱含的所有轉移概率計算而來：

3.根據權利要求1所述的基于整體圖平均化模型的群體目標軌跡分析模型，其特征在于：所述軌跡片段為單攝像機拍攝得到；其中：首先使用頭-肩檢測器獲得目標的初始位置，接著使用AIF跟蹤器來獲取單個攝像機下的跟蹤結果；AIF跟蹤過程中得到每條軌跡第t幀的跟蹤置信度α_t，如果它小于某個固定的閾值α_t＜θ，則認為跟蹤器丟失了目標；所有軌跡在每一幀的置信度都會在跟蹤過程中被記錄下來，它們的平均值c將作為軌跡片段i的條件概率：

其中t_i^start和t_i^end分別表示軌跡片段i的開始幀和結束幀。

4.根據權利要求3所述的基于整體圖平均化模型的群體目標軌跡分析模型，其特征在于：不同攝像機的全部軌跡片段表示為L＝{l₁，l₂，...，l_M}，其中l_i＝[x_i，c_i，s_i，t_i，a_i]，分別表示目標的位置、條件概率、屬于的攝像機、時間戳以及表觀信息；而節點N，包括虛擬源S、匯集點T、軌跡片段的進入節點l_i^enter和離開節點l_i^exit，表示為：