一种基于多模型融合和数据关联的多目标跟踪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107292911A(43)申请公布日2017.10.24(21)申请号201710368658.1(22)申请日2017.05.23(71)申请人南京邮电大学地址210023江苏省南京市亚东新城区文苑路9号(72)发明人季露陈志岳文静(74)专利代理机构南京经纬专利商标代理有限公司32200代理人朱小兵(51)Int.Cl.G06T7/246(2017.01)G06T5/00(2006.01)权利要求书2页说明书6页附图1页(54)发明名称一种基于多模型融合和数据关联的多目标跟踪方法(57)摘要本发明公开一种基于多模型融合和数据关联的多目标跟踪方法，其首先利用帧间差分法检测出运动目标轮廓和质心坐标；接着融合金字塔光流法和卡尔曼滤波预测下一时刻运动目标的质心坐标；然后将质心坐标预测值和下一时刻质心坐标检测值之间的欧式距离构成效益矩阵，利用匈牙利算法进行数据关联得到最优匹配；最后去除跟踪器中不满足要求的部分，同时为未指派的检测建立跟踪单元，从而实现多目标跟踪；本发明方法受光线变化和背景噪声干扰较小，解决了目标遮挡或目标间相互干扰导致的跟踪失效，提供多目标跟踪的准确率，具有较好的实时性和鲁棒性。CN107292911ACN107292911A权利要求书1/2页1.一种基于多模型融合和数据关联的多目标跟踪方法，其特征在于，具体包括如下步骤：步骤1，用户输入视频镜头S，定义S＝{f1,f2,...,fn}，fn为第n个镜头帧，fn用大小为r*l的二维矩阵表示，其中，n为正整数，r为矩阵行数，l为矩阵列数；步骤2，对视频镜头S进行预处理获得运动目标轮廓和质心坐标；具体步骤如下：步骤2.1，对视频镜头S中的fk-1，fk进行灰度化处理得到灰度差值图像对中的每个像素点j进行如下计算：Dk(j)＝f′k(j)-f′k-1(j)若Dk(j)＞T,则Dk(j)取值1，则判定j为前景点，若Dk(j)≤T,则Dk(j)取值0，则判定j为背景点；则Dk(j)取值1的构成目标轮廓Dk；步骤2.2；将步骤2.1得到的运动目标轮廓Dk的中心点坐标作为运动目标的质心坐标(xk,yk)；其中，2≤k≤n，xk,yk分别代表质心的横坐标和纵坐标，为第k-1个镜头帧第j个像素点的色彩值，为第k个镜头帧f′k第j个像素点的色彩值，Dk(j)为运动目标轮廓第j个像素点的色彩值，T为大津法得到的最优阈值；步骤3，对步骤,2,得到的运动目标轮廓Dk用金字塔光流法进行角点跟踪，预测出运动目标在下一帧的质心坐标(xlk,ylk)；其中，xlk,ylk分别代表质心的横坐标和纵坐标；步骤4，初始化卡尔曼滤波器参数，利用卡尔曼滤波器进行多目标跟踪，预测出运动目标轮廓Dk在下一帧的质心坐标(xkal,ykal)，xkal,ykal分别代表质心的横坐标和纵坐标；步骤5，利用匈牙利算法对步骤4预测的质心坐标(xkal,ykal)进行数据关联，计算最优匹配后，完成对卡尔曼滤波器参数进行修正；进而获取运动目标在各时刻的质心坐标，通过依次连接运动目标在各时刻的质心坐标获取物体的跟踪轨迹。2.根据权利要求1所述的一种基于多模型融合和数据关联的多目标跟踪方法，其特征在于，所述步骤5具体包含如下步骤：步骤5.1，利用匈牙利算法对步骤4预测的质心坐标(xkal,ykal)进行数据关联，计算最优匹配，具体步骤如下：对步骤2获取的运动目标质心坐标的检测值和步骤4获取的质心坐标预测值进行指派：设k时刻运动目标的质心检测集合是Hk＝{h1,h2,...,hn}，利用卡尔曼滤波器对Hk中的每个运动目标的质心hi进行预测得到下一时刻质心坐标的预测值pi，即得到质心坐标预测集合Pk＝{p1,p2,...,pn}，k+1时刻运动目标的质心检测集合是Hk+1＝{h1,h2,...,hm}，则将质心坐标的预测值Pk和下一时刻质心坐标的检测值Hk+1之间看做一个指派问题，将质心预测坐标和下一时刻检测坐标的欧式距离作为效益矩阵，利用匈牙利算法求得最佳匹配；其中，n为k时刻检测到运动目标总数，m为k+1时刻检测到运动目标总数；所述匈牙利算法是一种二部图匹配算法，核心就是寻找增广路径求二分图最大匹配，可以有效地处理指派问题；所述欧式距离是二维和三维空间中两点之间的实际距离；步骤5.2，去除利用卡尔曼滤波器进行多目标跟踪中不满足要求的部分，同时为未指派的检测建立跟踪单元；2CN107292911A权利要求书2/2页步骤5.3，完成对卡尔曼滤波器参数进行修正，进而获取运动目标在各时刻的质心坐标，通过依次连接运动目标在各时刻的质心坐标获取物体的跟踪轨迹。3.根据权利要求1所述的一种基于多模型融合和数据关联的多目标跟踪方法，其特征在于，所述步骤2具体包含如下步骤