[发明专利]基于数据关联的视频多目标跟踪方法及系统

说明书

本发明提供了一种基于数据关联的视频多目标跟踪方法及系统，该方法包括以下步骤：将视频采集的图像进行处理得到该帧图像中的所有目标；计算当前帧图像中的每个目标与上一帧图像中的每个目标之间的相似性；分别以当前帧图像中的每个目标和上一帧图像中的每个目标为行或列建立代价矩阵，代价矩阵中每个元素初始值均设置为0；设定相似性阈值，根据代价矩阵中每个元素对应的相似性值基于预定规则对代价矩阵中的每个元素进行赋值；根据赋值后的代价矩阵中每行或每列中各元素的值判断两帧图像中各目标的情况，因此，本发明能够根据实际简单、有效的判断出目标的出现、消失、融合和分离。

技术领域

本发明属于视频多目标追踪技术领域，具体涉及一种基于数据关联的视频多目标跟踪方法及系统。

背景技术

多目标跟踪，即Multiple Object Tracking(MOT),也称为Multiple TargetTracking(MTT)。其主要任务是给定一个图像序列，找到图像序列中运动的物体，并将不同帧中的运动物体一一对应(Identity),然后给出不同物体的运动轨迹。这些物体可以是任意的，如行人、车辆、运动员、各种动物等等。多目标跟踪问题比较复杂，除了单目标跟踪会遇到的问题外，还需要目标间的关联匹配。现有方法大都比较复杂，无法简单、有效地根据实际判断目标出现、消失、融合或分离。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种能够根据实际简单、有效的判断出目标的出现、消失、融合和分离的基于数据关联的视频多目标跟踪方法及系统。

本发明提供了一种基于数据关联的视频多目标跟踪方法，其特征在于，包括以下步骤：

步骤1，将视频采集的图像进行处理得到该帧图像中的所有目标；

步骤2，计算当前帧图像中的每个目标与上一帧图像中的每个目标之间的相似性；

步骤3，分别以当前帧图像中的每个目标和上一帧图像中的每个目标为行或列建立代价矩阵，代价矩阵中每个元素初始值均设置为0；

步骤4，设定相似性阈值，根据代价矩阵中每个元素对应的相似性值基于预定规则对所述代价矩阵中的每个元素进行赋值；

步骤5，根据赋值后的代价矩阵中每行或每列中各元素的值判断两帧图像中各目标的情况。

进一步，在本发明提供的基于数据关联的视频多目标跟踪方法中，还可以具有这样的特征：其中，计算当前帧图像中的每个目标与上一帧图像中的每个目标之间的相似性后，建立相似性矩阵，所述相似性矩阵与所述代价矩阵相对应。

进一步，在本发明提供的基于数据关联的视频多目标跟踪方法中，还可以具有这样的特征：其中，步骤4中对所述代价矩阵中的每个元素进行赋值的方法包括以下步骤：

步骤4-1，提取所述代价矩阵中每行中各元素对应的相似性值最大的元素，该行中其它元素的值均保持不变；

步骤4-2，判断步骤4-1提取的元素对应的相似性值是否大于设定的相似性阈值，若大于，则该元素的值加1，若否，则该元素的值加0；

步骤4-3，提取所述代价矩阵中每列中各元素对应的相似性值最大的元素，该列中其它元素的值均保持不变；

步骤4-4，判断步骤4-3提取的元素对应的相似性值是否大于设定的相似性阈值，若大于，则该元素的值加1，若否，则该元素的值加0。

进一步，在本发明提供的基于数据关联的视频多目标跟踪方法中，还可以具有这样的特征：其中，步骤5中判断的两帧图像中各目标的情况包括：上一帧图像中的一个目标对应当前帧图像中的某个目标、是否出现上一帧图像的目标在当前帧图像中目标消失、当前帧图像中是否出现新的目标、是否出现上一帧图像中的多个目标在当前帧图像中融合、是否出现上一帧中的一个目标在当前帧图像中分离的情况。