[发明专利]一种基于泊松多伯努利滤波的三维多目标追踪算法

说明书

本发明中提出的一种基于泊松多伯努利滤波的三维多目标追踪算法，其主要内容包括目标公式化、目标检测和目标追踪，其过程为，首先将目标图像用参数特征向量表示出来；然后，运用深度学习网络处理目标图像以输出检测结果(深度学习网络由特征提取器和三个平行的输出头信息组成)；最后，在追踪模块通过泊松多伯努利滤波器(包括两个随机有限集合)来处理检测集合序列，处理完成后提取并输出一个真实目标组的预估序列。本发明相比已有的目标追踪算法的优势在于能够同时对多个目标进行追踪，并且追踪结果更为精确；在数据处理方面，本发明处理效率更高，并且能够处理关联数据甚至是重叠数据。

技术领域

本发明涉及图像处理领域，尤其是涉及了一种基于泊松多伯努利滤波的三维多目标追踪算法。

背景技术

随着计算机技术和视觉图像处理技术的发展，目标追踪技术日渐成为国内外学者热衷研究的一门课题。目标追踪技术主要研究视频图像序列中运动目标的检测、提取、识别和追踪，涉及到机器视觉，图像处理和模式识别等专业领域，有着广阔的应用前景。在人机交互中，目标追踪技术可用于追踪人的姿态、动作、手势等以理解人的意图；在虚拟现实技术中，通过目标追踪技术可对人体动作进行追踪分析以实现在虚拟环境中的3D交互和虚拟角色动作模拟；在医学诊断中，目标追踪技术可用于超声波和核磁序列图像变化的追踪，从而进行内部器官的病情分析；另外，目标追踪技术还广泛应用于无人飞行器、精确制导、空中预警、战场监视、移动机器人和智能视频监控等方面。然而，现有的目标追踪算法存在对数据的处理效率不高，追踪结果不精确等问题。

本发明中提出的一种基于泊松多伯努利滤波的三维多目标追踪算法，先将目标图像用参数特征向量表示出来；然后，运用深度学习网络处理目标图像以输出检测结果(深度学习网络由特征提取器和三个平行的输出头信息组成)；最后，在追踪模块通过泊松多伯努利滤波器(包括两个随机有限集合)来处理检测集合序列，处理完成后提取并输出一个真实目标组的预估序列。本发明相比已有的目标追踪算法的优势在于能够同时对多个目标进行追踪，并且追踪结果更为精确；在数据处理方面，本发明处理效率更高，并且能够处理关联数据甚至是重叠数据。

发明内容

针对现有的目标追踪算法存在对数据的处理效率不高，追踪结果不精确等问题，本发明的目的在于提供一种基于泊松多伯努利滤波的三维多目标追踪算法，先将目标图像用参数特征向量表示出来；然后，运用深度学习网络处理目标图像以输出检测结果(深度学习网络由特征提取器和三个平行的输出头信息组成)；最后，在追踪模块通过泊松多伯努利滤波器(包括两个随机有限集合)来处理检测集合序列，处理完成后提取并输出一个真实目标组的预估序列。

为解决上述问题，本发明提供一种基于泊松多伯努利滤波的三维多目标追踪算法，其主要内容包括：

(一)目标公式化；

(二)目标检测；

(三)目标追踪。

其中，所述的目标公式化，每一个目标都用一个特征向量x来表示，x中包含了目标的相关信息；对于三维的目标，采用以下特征向量来表示：

x＝[x y z v_x v_y v_z w h]^T (1)

其中，(x，y，z)表示目标在完全坐标系的三维坐标；(v_x，v_y，v_z)表示x，y，z三个方向的速度；(w，h)表示表示目标在相机图像中边界框的宽度和高度。

其中，所述的目标检测，运用深度学习网络处理目标图像以输出检测结果每一个检测结果z∈Z_t由一个2维边界框和一个相机中心与检测目标中心的距离组成：