[发明专利]一种基于视频监控的目标轨迹模糊数据融合方法

权利要求书

1.一种基于视频监控的目标轨迹模糊数据融合方法，用于获得目标对象由起点位置的轨迹数据，其特征在于，包括如下步骤：

步骤A.分别针对以起点位置为中心、预设距离半径范围内的各个监控摄像装置，获得监控摄像装置对应预设时间时长范围内，所捕获各个模糊对象分别对应预设P个属性特征的L个角度信息，即获得上述所有监控摄像装置所捕获各个模糊对象分别对应预设P个属性特征的L个角度信息，构建犹豫模糊集，并采用预设得分与偏差度方法，实现与目标对象的群体智能决策，筛选获得目标对象所对应的各个待处理模糊对象，并进入步骤B；

步骤B.根据各个待处理模糊对象的坐标位置，以及所对应的时间点，获得由起点位置开始，依时序依次到达各个待处理模糊对象坐标位置的速度信息，作为各个待处理模糊对象分别所对应的到达速度信息，然后进入步骤C；

步骤C.根据各个待处理模糊对象分别所对应的到达速度信息，结合起点位置，依时序顺序方向，分别针对各个待处理模糊对象，获得待处理模糊对象之前相应数量处理对象分别对其的信任度，并基于预设信任度划分的占比，更新目标对象所对应的各个待处理模糊对象，然后进入步骤D；

步骤D.根据各个待处理模糊对象分别所对应的到达速度信息，结合起点位置，依时序逆序方向，分别针对各个待处理模糊对象，获得待处理模糊对象之后相应数量处理对象分别对其的信任度，并基于预设信任度划分的占比，更新目标对象所对应的各个待处理模糊对象，然后进入步骤E；

步骤E.针对目标对象所对应的各个待处理模糊对象，基于由起点位置依次按时序经过该各个待处理模糊对象的速度合理性，采用预设得分与偏差度方法，实现目标对象由起点位置的轨迹数据融合。

2.根据权利要求1所述一种基于视频监控的目标轨迹模糊数据融合方法，其特征在于，所述预设得分与偏差度方法，如下：

任何属性特征下，若该属性特征得分判定为强否定，具有一票否决权；同时在相似度众数之上，越高的相似度将具有更强的超线性增加的肯定作用，即为两端强决定性，中间弱建议性；基于犹豫模糊集理论获得得分，定义最佳选择为：得分最高且不存在近似得分项，同时满足各属性下得分均大于置信阈值；或者得分与最高项近似，满足各属性下得分均大于置信阈值，且偏差度大于预设偏差阈值；

基于犹豫模糊集理论获得得分，并定义基本可信为：得分接近最高项，满足各属性下得分大于置信阈值。

3.根据权利要求1所述一种基于视频监控的目标轨迹模糊数据融合方法，其特征在于：所述步骤C中，将起点位置和各个待处理模糊对象分别作为各个处理对象，根据各个待处理模糊对象分别所对应的到达速度信息，依时序顺序方向，分别针对各个待处理模糊对象所对应的处理对象，采用高斯密度方法，获得处理对象之前K个处理对象分别相对该处理对象的信任度，其中，若该处理对象之前处理对象的个数小于K，则获得该处理对象之前各个处理对象分别相对该处理对象的信任度，即分别针对各个待处理模糊对象，获得待处理模糊对象之前相应数量处理对象分别对其的信任度，接着获得其中低于预设信任度阈值的信任度的数量占比，作为各个待处理模糊对象的低信任度比例，将低于预设下限比例的低信任度比例所对应的待处理模糊对象删除，更新目标对象所对应的各个待处理模糊对象。

4.根据权利要求1所述一种基于视频监控的目标轨迹模糊数据融合方法，其特征在于：所述步骤D中，将起点位置和各个待处理模糊对象分别作为各个处理对象，根据各个待处理模糊对象分别所对应的到达速度信息，依时序倒序方向，分别针对各个待处理模糊对象所对应的处理对象，采用高斯密度方法，获得处理对象之后K个处理对象分别相对该处理对象的信任度，其中，若该处理对象之后处理对象的个数小于K，则获得该处理对象之后各个处理对象分别相对该处理对象的信任度，即分别针对各个待处理模糊对象，获得待处理模糊对象之后相应数量处理对象分别对其的信任度，接着获得其中低于预设信任度阈值的信任度的数量占比，作为各个待处理模糊对象的低信任度比例，将低于预设下限比例的低信任度比例所对应的待处理模糊对象删除，更新目标对象所对应的各个待处理模糊对象。