[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

本發明公開了基于整體圖平均化模型的群體目標軌跡分析模型，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；從節點i^enter到節點i^exit的邊為觀測邊e_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；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。本發明實現群體目標軌跡分析。

技術領域

本發明涉及基于整體圖平均化模型的群體目標軌跡分析模型。

背景技術

目標軌跡跟蹤是計算機視覺領域由來已久的關鍵問題。近年來許多優秀的表觀相似度針對單攝像機下的視覺跟蹤算法被了提出來。然而，在智能監控系表觀相似度統中，單純利用一個攝像機，難以捕捉到特定的目標在大范圍場景內表觀相似度的完整軌跡。因此，實際應用中常常希望可以通過多攝像機跟蹤的方式，獲得表觀相似度特定目標在大范圍空間內的運動軌跡。在實際場景中，安裝的多個相鄰攝像機表觀相似度之間，往往不存在重疊的圖像區域，這對于跟蹤目標的完整軌跡，確實是一個表觀相似度很大挑戰。

表觀相似度傳統的多攝像機目標跟蹤(Multi-Camera Tracking，MCT)方法，一般表觀相似度把目標跟蹤任務分解為兩個部分：單攝像機目標跟蹤(Single Camera object表觀相似度Tracking，SCT)和跨攝像機目標跟蹤(Inter-Camera object Tracking，ICT)，表觀相似度來解決問題，我們稱之為兩步法。通過分別解表觀相似度決SCT問題和ICT問題，從而解決MCT問題。在SCT中，目標檢測結果或者一表觀相似度些軌跡片段(Tracklet)作為輸入，而輸出則是通過數據關聯模型得到的完整表觀相似度單攝像機下的目標軌跡；接著這些得到的軌跡被用作ICT的輸入，同樣通過一表觀相似度個數據關聯模型，得到跨攝像機的目標軌跡。于是，提升傳統的方法一般從提表觀相似度高SCT或者ICT的方面入手。SCT方面的研究致力于克服目表觀相似度標的遮擋、形變、光照等表觀變化對軌跡匹配的影響，設計出魯棒的單攝像機表觀相似度視覺跟蹤算法。而ICT方面的研究關注于挖掘不同攝像機的跟蹤軌跡結果之間表觀相似度的關聯，形成跨攝像機的目標軌跡。傳統方法的問題很明顯，解決ICT的問題表觀相似度依賴于SCT的結果，就是說對單攝像機目標跟蹤的性能依賴性太強，常常導致表觀相似度整體的跟蹤效果很不穩定。

目前的SCT方法并不夠魯棒，其跟蹤結果往往包含很多軌跡碎片和錯誤軌跡，這對于ICT模型來說是很致命的問題。這些軌跡碎片和錯誤軌跡干擾導致ICT模型中出現很多問題，例如：1)目標錯誤匹配的問題。二號攝像機中的軌跡B與一號攝像機中的軌跡A2錯誤的關聯，導致最終軌跡分析結果的錯誤；2)目標軌跡丟失的問題。跟蹤中，二號攝像機下的軌跡A錯誤的與一號攝像機下的軌跡A2關聯，導致軌跡A1被拋棄。

除了兩步法之外，還有一類MCT方法，把SCT和ICT統一到同一框架進行優化。輸入是一些目標檢測的結果，通過一個數據關聯模型，得到了跨攝像機的目標軌跡。這種方法雖然克服了傳統兩步法的缺點，但是由于沒有使用軌跡片段，模型輸入中有大量的檢測結果，導致模型優化速度存在問題。而且，逐幀進行目標檢測本身也是一個很大的時間開銷。