[发明专利]一种视频监控中的多目标跟踪方法和装置

说明书

技术领域

本发明涉及视频监控技术领域，尤其涉及一种视频监控中的多目标跟踪方法和装置。

背景技术

近年来，空基监视系统凭借良好的可移动能力和较大的监控范围等优点，被广泛应用到实地勘察以及智能交通等领域中，尤其是在道路安全、应急救援等关键领域，空基监视系统能够及时有效地获得大量直观的实地信息，通过实时获取和处理跟踪场景中的兴趣目标运行状况，为保障公民的生命和财产安全提供了强有力的技术支持。

在空基监视系统中，作为目标运行状况获取的核心，目标跟踪一直以来都是各类监视技术的研究重点。现有的一种基于分组的多目标跟踪方法的跟踪过程是：首先根据目标的运动相似性对目标进行分组，对于每一组，在组内选取位于该组中心位置的目标为该组的代表，接着对该组的代表完成跟踪，最后利用目标间的空间关联实现对组内每个目标具体的定位。

可以看出，上述方法中是根据目标的运动相似性进行分组的，组与组之间相互独立，尤其在目标运动异质性较高的情况下，分组跟踪中组的数目较多，每个组的规模较小，此时的基于分组的跟踪向逐个跟踪方向退化，导致对目标跟踪的实效性和准确性不高。

发明内容

本发明提供一种视频监控中的多目标跟踪方法和装置，充分合理地利用局部目标间的关联，以解决目标跟踪实效性和准确性不高的问题。

第一方面，本发明提供一种视频监控中的多目标跟踪方法，包括：

从跟踪视频中获取至少一个兴趣目标的初始信息，所述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；

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。

进一步地，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：

其中，W和H分别为图片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-∑Pln 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。

进一步地，所述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，包括：

通过如下公式计算每一未跟踪兴趣目标与已跟踪目标整体的关联度：