[发明专利]基于动态群组划分的多目标跟踪方法

权利要求书

1.一种基于动态群组划分的多目标跟踪方法，其特征在于实现多目标跟踪，步骤如下：

步骤S1：对于视频场景中的某一时刻，首先使用目标检测器检测场景边缘处，判定是否有目标进入或离开场景区域，根据检测结果更新目标集合，将新进入场景的目标加入目标集合，将离开的目标从目标集合中去除；使用AdaBoost算法和梯度方向直方图(HOG)特征学习出目标检测器，同时使用AdaBoost从梯度方向直方图特征中选出一组稀疏特征表示目标，形成目标的稀疏表示；

步骤S2：设定目标集合的分组阈值，使用层次聚类按距离对上一时刻目标集合进行聚类，根据上一时刻的聚类结果，将上一时刻目标位置分成不同群组；

步骤S3：为目标集合中的每个群组分配一个跟踪器，跟踪器根据群组内每个目标上一时刻的位置状态，加上群组内每个目标当前时刻在图像上的观测值，使用贝叶斯框架推断每个目标在当前时刻位置的最优值，使用AdaBoost选出来的稀疏特征表示目标的观测值，用每个目标当前时刻位置的最优值更新目标集合中各个目标的位置状态，为推断各个目标的下一时刻的位置做准备。

2.根据权利要求1所述的基于动态群组划分的多目标跟踪方法，其特征在于，选出一组稀疏特征具体步骤如下：

步骤S21：提取目标的表观特征组成特征集；

步骤S22：使用AdaBoost方法从特征集中选择出最有区分力的一组特征，用选出的特征构成对目标的一个稀疏表示；

步骤S23：用目标的稀疏表示构建贝叶斯跟踪框架中的观测模型，用于表示目标的观测。

3.根据权利要求1所述的基于动态群组划分的多目标跟踪方法，其特征在于，在设定分组阈值时，遵循最小分组原则，所述最小分组原则是在保证目标之间没有交互的情况下，分成尽可能多的群组。

4.根据权利要求1所述的基于动态群组划分的多目标跟踪方法，其特征在于，对于只包含一个目标的群组，使用单目标跟踪器估计目标当前时刻位置。

5.根据权利要求1所述的基于动态群组划分的多目标跟踪方法，其特征在于，对于包含多个目标的群组，使用多目标跟踪器，在多个目标的联合状态空间求解多个目标位置的最优值。

6.根据权利要求1所述的基于动态群组划分的多目标跟踪方法，其特征在于，所述跟踪器使用基于MCMC的粒子滤波器对每个群组进行跟踪，每个群组的目标数目为动态变化。

7.根据权利要求1所述的基于动态群组划分的多目标跟踪方法，其特征在于，对于包含多个目标的群组分裂步骤如下：

当包含多个目标群组分裂成不同的单目标群组时，将多目标状态空间中的粒子按照其分量对应的单目标直接分裂成多个单目标状态空间中的粒子；所述多目标状态空间中的每个粒子为多目标的联合状态，所述单目标状态空间中的每个粒子为单个目标的状态。

8.根据权利要求1所述的基于动态群组划分的多目标跟踪方法，其特征在于，对于包含多个目标合并成一个群组的步骤如下：

当各个单目标的群组合并成多目标的群组时，根据各个单目标状态空间中的粒子，在多目标状态空间中重采样，得到多目标状态空间中的粒子；所述多目标状态空间中的每个粒子为多目标的联合状态，所述单目标状态空间中的每个粒子为单个目标的状态。