一种基于粒子滤波的视频多目标跟踪方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114998392A(43)申请公布日2022.09.02(21)申请号202210583080.2(22)申请日2022.05.26(71)申请人浙江工业大学地址310014浙江省杭州市拱墅区潮王路18号(72)发明人高飞王志文(74)专利代理机构杭州浙科专利事务所(普通合伙)33213专利代理师汤明(51)Int.Cl.G06T7/277(2017.01)G06T7/246(2017.01)权利要求书3页说明书6页附图1页(54)发明名称一种基于粒子滤波的视频多目标跟踪方法(57)摘要本发明公开了一种基于粒子滤波的视频多目标跟踪方法，通过深度学习模型检测视频中的目标，利用基于粒子滤波器进行目标位置预测，再对目标进行轨迹匹配，从而实现非线性运动目标鲁棒跟踪的方法。本发明采用非线性及非高斯方式去估计问题，能够提升算法的性能；能有效排除复杂背景的干扰，实现相对简单、对条件约束较小、算法运行效率高。CN114998392ACN114998392A权利要求书1/3页1.一种基于粒子滤波的视频多目标跟踪方法，其特征在于，包括如下步骤：步骤1：初始化图像帧编号k为0；初始化轨迹编号c为0；步骤2：根据公式(1)定义目标状态向量；其中，Xk,i表示第k帧中第i个目标的状态，(xi,yi)表示该目标的中心点坐标，wi和hi分别表示该目标的包络框的宽度和高度，表示目标在水平方向运动速度，表示目标在竖直方向运动速度；根据公式(2)定义目标运动模型；其中，ΔT表示采样周期，Vk,i表示多变量的高斯噪声；根据公式(3)定义似然函数作为观测模型；其中，p(Yk,i|Xk,i)表示后验概率密度函数，Yk,i表示第k帧中第i个目标观测状态，σ表示高斯分布方差，表示观测值，表示真实值，表示观测值与真实值之间的巴氏距离；步骤3：按顺序获取监控的一帧并记为图像P，图像帧编号k＝k+1；步骤4：采用预先训练好的YOLO系列模型，对图像P中的运动目标进行检测，得到当前帧检测目标集合Zk＝{zk,i＝<xi,yi,wi,hi,di>|i＝1,2,…,mk}，zk,i表示第k帧中的第i个目标，di表示该目标zk,i的置信度，mk表示第k帧中目标的个数；根据公式(4)更新Zk，即删除满足条件di＜τlow的检测目标；通过检测置信度阈值τhigh和τlow将目标检测框分为高分检测目标集合ZHighk和低分检测目标集合ZLowk，其中τhigh表示高分阈值，τlow表示低分阈值；根据公式(5)和(6)计算ZHighk和ZLowk；若di≥τhigh，则目标检测框是高分检测目标；若τlow≤di＜τhigh，则目标检测框是低分检测目标；步骤5：对于目标zk,i采用基于高斯混合背景模型的前后景区分方法提取目标前景2CN114998392A权利要求书2/3页frontk,i；将目标zk,i的前景frontk,i从BGR转化到HSV空间，进行直方图统计并归一化直方图；步骤6：若k＝1，则为检测到的结果创建每个目标对应的轨迹HTc，每分配一条新轨迹，则c＝c+1；根据先验信息在前景frontk,i区域内生成含有N个粒子的初始粒子集初始时所有粒子权重其中表示第k帧中第i个目标第j个粒子的权重；转步骤3；步骤7：通过序列重要性采样，根据公式(2)对粒子集中的粒子进行状态转移，得到新粒子集根据公式(3)和(7)更新粒子的权值，对于公式(3)，取候选目标的特征分布，取目标模板的特征分布；归一化粒子的权值；前景frontk,i范围内重采样粒子，得到新粒子集更新粒子权重通过基于HSV颜色直方图特征的粒子滤波得到第k‑1帧中mk‑1个目标在第k帧的预测状态，其中根据公式(8)计算第k帧中的第i个目标的状态估计得到目标zk,i预测目标的包络框pfbboxk,i中心点坐标以及其宽度和高度步骤8：计算第k帧高分检测目标集合ZHighk中检测目标包络框detbboxk,i和第k‑1帧通过粒子滤波得到的预测目标包络框pfbboxk,i进行IOU匹配，计算代价矩阵；步骤9：将步骤8中得到的代价矩阵作为匈牙利算法的输入，得到匹配结果；步骤9.1：若轨迹HTc预测目标存在，但不存在与之匹配的检测目标，则将轨迹HTc保留在剩余轨迹集合HTRemain中；转步骤10；步骤9.2：若新增检测目标，但不存在与之匹配的预测目标，则为该检测目标创建新轨迹HTc+1，并更新c＝c+1；转步骤10；步骤9.3：若检测目标和预测目标匹配成功，则根据公式(9)将该目标添加到对应的轨迹HTc中，并用检测目标的结果更新粒子滤波中的预测结果；转步骤10；HTc＝HTc∪{zk,i＝＜xi,yi,wi,hi,di＞}(9)步骤10：计算第k帧低分检测目标集合ZLowk中检测目标