[发明专利]一种基于分形特征估计的多目标视频跟踪系统

权利要求书

1.一种基于分形特征估计的多目标视频跟踪系统，其特征在于：包括图像的局部分形特征估计、观测模型建立和似然函数计算以及多贝努利滤波器跟踪；

所述局部分形特征估计模块计算每一帧图像的局部分形特征并形成新的Hurst指数图像；

所述观测模型建立和似然函数计算模块利用局部分形特征建立观测模型和Hurst指数计算似然函数；

所述多贝努利滤波器跟踪模块对Hurst指数图像中的多个目标实施跟踪。

2.根据权利要求1所述的多目标视频跟踪系统，其特征在于：所述局部分形特征估计模块对视频中的每一帧图像通过重标极差法估计图像中每个像素的Hurst指数，使之形成Hurst指数图像；

所述观测模型建立和似然函数计算模块利用Hurst指数建立非线性观测模型，以固定区域内Hurst指数出现的频率计算似然函数；

所述多贝努利滤波器跟踪模块采用序贯蒙特卡洛多贝努利滤波器按照预测、更新、目标合并和粒子采样等步骤进行多个目标跟踪。

3.根据权利要求1所述的多目标视频跟踪系统，其特征在于：所述局部分形特征估计模块：

首先设定滑窗大小m，利用重标极差法估计每帧图像所有像素的Hurst指数；然后根据阈值θ判断像素的Hurst指数是否取0；最后将RGB图像转换为Hurst指数图像。

4.根据权利要求1所述的多目标视频跟踪系统，其特征在于：所述观测模型建立和似然函数计算模块：

将观测模型确定为其中g(y)表示像素属于背景的似然函数，g(y；x_i)为图像y中第i个目标的似然函数，g(H_k|X)表示第k帧Hurst指数图像H_k中目标状态X的似然函数；

然后计算第i个目标x_i的似然函数

其中，ε＝N_p/|T(x)|表示固定区域内非0的Hurst指数的比例，N_p为固定区域内非零像素的数量，|T(x)|为固定区域内所有像素的总数，ξ为设定的调整参数，δ为设定的控制参数。

5.根据权利要求1所述的多目标视频跟踪系统，其特征在于：所述多贝努利滤波器跟踪模块：

假设第k-1时刻多目标多贝努利后验密度为为第k-1时刻第i个粒子的存活概率，为粒子的概率密度函数。任一由一组加权粒子组成，

为权重，δ(g)为多目标Dirac密度函数。

预测：

给定提议分布和新生目标密度函数后，如果设备在移动中，即传感器移动，则目标状态方程和新生目标模型的区域变化为

其中，(x_k,y_k)为第k-1时刻目标位置状态，(v_k,v_k)为目标在x和y方向上的速度，(x_min,y_min,x_max,y_max)为目标在x和y方向上的最大最小位置，T为采样间隔。此时，预测多贝努利参数表示为

更新：

获得新的量测g(H_k|X)后，更新多贝努利参数表示为

为粒子数量，P_D,k(g)为检测概率。

类似基本粒子滤波器，为防止粒子退化问题，对每个贝努利分量的粒子在更新之后进行重采样；为减少随时间不断增长的贝努利分量数，对其进行修剪与合并；最后，设定参数θ，若r_k>θ，则认为目标存在，并根据估计目标状态。