[发明专利]基于小轨迹图关联模型的半在线视觉多目标跟踪方法

权利要求书

1.一种基于小轨迹图关联模型的半在线视觉多目标跟踪方法，其特征在于，包括以下步骤：

1)对于一段图像序列，从开始帧按顺序选取当前处理窗口，对于每帧图像，通过目标检测的宽高比及目标检测两两之间的重叠率，剔除不属于目标的虚假检测；

2)计算相邻帧图像目标检测之间的覆盖率，将相邻帧覆盖率大于0.4的检测关联成为长度不等的小轨迹；

3)对每段小轨迹计算首帧检测和末帧检测的HOG特征和HSV颜色直方图特征，估计每段小轨迹的始端速度和末端速度；对所有小轨迹，估计其两两之间的吸引力得分；

4)利用图模型将小轨迹关联成为长轨迹；

5)计算所述长轨迹的置信度；

6)取置信度大于0.5的长轨迹，训练外观模型，找到一个最优判别矩阵；

7)处理窗口向前移动，寻找下一批处理的图像帧，相邻窗口之间的重叠率为50％，重复步骤3)至步骤6)。

2.根据权利要求1所述的基于小轨迹图关联模型的半在线视觉多目标跟踪方法，其特征在于，步骤1)中，如果两个检测重叠面积与合并面积的比值大于0.4，则认为这里两个检测属于同一个目标，则将其中一个设定为虚假检测，剔除该虚假检测。

3.根据权利要求1所述的基于小轨迹图关联模型的半在线视觉多目标跟踪方法，其特征在于，步骤3)中，所述吸引力包括外观吸引力和运动吸引力；所述吸引力得分为外观吸引力得分和运动吸引力得分的乘积。

4.根据权利要求3所述的基于小轨迹图关联模型的半在线视觉多目标跟踪方法，其特征在于，计算所述外观吸引力得分的过程包括：对每段小轨迹的初始检测和结束检测，提取方向梯度直方图HOG及HSV颜色直方图特征作为其首端特征和末端特征，然后对每对小轨迹时间上的先后顺序进行判断，若两个小轨迹无重叠，取时间上最近的首端特征和末端特征，计算该首端特征和末端特征之间的距离，估算外观吸引力得分。

5.根据权利要求3所述的基于小轨迹图关联模型的半在线视觉多目标跟踪方法，其特征在于，计算所述运动吸引力得分的过程包括：利用所述始端速度和末端速度对小轨迹之间的运动吸引力进行估计。

6.根据权利要求1所述的基于小轨迹图关联模型的半在线视觉多目标跟踪方法，其特征在于，步骤4)的具体实现过程包括：将当前处理窗口内包含的小轨迹作为节点，小轨迹之间的连接作为边，两个小轨迹之间的吸引力得分作为其对应节点之间的吸引力权重，从而将当前处理窗口内的小轨迹建模为无向加权图，通过最大化无向加权图中各条边上权重的和，解决图分割问题，进而将属于相同目标的小轨迹关联为长轨迹。

7.根据权利要求1所述的基于小轨迹图关联模型的半在线视觉多目标跟踪方法，其特征在于，步骤6)的具体实现过程包括：在每一帧图像的目标检测位置附近取N个图像块，将这些图像块归一化为128×64像素的大小，并提取HSV直方图特征和方向梯度直方图特征，通过线性判别分析方法，最大化训练样本的类间距离求解投影矩阵W，作为最优判别矩阵。