[发明专利]一种视频监控中的多目标跟踪方法和装置

权利要求书

1.一种视频监控中的多目标跟踪方法，其特征在于，包括：

从跟踪视频中获取至少一个兴趣目标的初始信息，初始信息包括初始位置、速度、加速度和特征信息；

从所述兴趣目标中按照特征显著度从大到小的顺序选择出N₀(t)个兴趣目标作为初始跟踪层，所述N₀(t)由所述兴趣目标的速度和加速度确定，所述特征显著度根据所述特征信息确定；其中，所述特征显著度根据所述特征信息确定，包括：

特征显著度其中，灰度显著度的计算公式为：

Sigre=Σxi-wi2xi+wi2Σyi-hi2yi+hi2|f(x,y)-1WHΣx=1WΣy=1Hf(x,y)|]]>

其中，W和H分别为图像的长和宽的像素尺度，f(x,y)为图像坐标中点(x,y)的灰度值，x_i和y_i分别为目标d_i在图像中的横坐标和纵坐标，w_i和h_i分别为目标d_i的长和宽；

纹理显著度的计算公式为：其中，p(z_i)是目标d_i的灰度直方图，L为整幅图像可能存在的灰度值种类，z_i是目标d_i的亮度值，m为目标的亮度均值，m通过公式：计算得到；

所述N₀(t)由所述兴趣目标的速度和加速度确定，包括：

N₀(t)的计算公式为：N₀(t)＝round[C₂H_t²+C₁H_t+C₀]，其中，t为当前的跟踪时刻，round函数是求最接近的整数,C₀、C₁、C₂是通过样本学习得到的调整参数，H_t为t时刻场景的运动熵，H_t的计算公式为：H_t＝βH_v+H_aH_v，其中，H_V是跟踪场景中各目标的速度的异质度，H_V通过公式：H_V＝1-∑P ln P计算得到，式中P是跟踪场景中速度值大于第一预设值的目标的个数与目标总数的比值，H_a是跟踪场景中加速度的异质度，H_a通过公式：H_a＝1-Q ln Q计算得到，式中Q是场景中加速度值大于第二预设值的目标的个数与目标总数的比值，β是调整参数，β<1；

根据所述初始跟踪层中的N₀(t)个兴趣目标的初始位置对所述N₀(t)个兴趣目标进行逐个跟踪；

根据未跟踪兴趣目标和已跟踪目标整体的关联度，将所述未跟踪兴趣目标依次选入下一新建跟踪层进行逐层跟踪。