[发明专利]一种适用于多对多目标识别的目标同一性识别方法

权利要求书

1.一种适用于多对多目标识别的目标同一性识别方法，将多个可见光摄像头固定安装在场景内，开机，调整多可见光摄像头的视场覆盖目标识别所需区域，调整全部可见光摄像头的焦距、视角、位姿参数并在后续的操作中维持不变，其特征在于，首先对可见光摄像头进行标定，然后对多目标进行目标同一性识别；

所述对可见光摄像头进行标定是：将棋盘格标识物放置在场景中，利用所述标识物对全部可见光摄像头进行标定，获得在当前摄像头安装与参数设置状态下的自身图像坐标系与统一世界坐标系的坐标转换关系；

所述对多目标进行目标同一性识别是：

第一步：多个可见光摄像头获取无被识别目标存在条件下的场景内图像，使用GMM算法确定GMM算法背景图像训练模型；

第二步：多个可见光摄像头获取含有多目标的场景内图像，使用GMM算法背景图像训练模型将不符合背景图像信息的图像信息分隔出来形成对多目标的图像信息分割；

第三步：确定多个可见光摄像头的多目标的图像信息中各个目标的中心坐标；

第四步：对多个可见光摄像头各自的各个目标的中心坐标，利用所述坐标转换关系转换为统一世界坐标系；

第五步：对得到的多目标世界坐标信息进行聚类匹配，得到目标的同一性识别结果。

2.根据权利要求1所述的目标同一性识别方法，其特征在于，所述GMM算法是高斯混合背景模型基础公式：

其中：

X_t：t帧的当前像素的RGB色彩向量；

K：高斯模型的总数，设为3；

μ_i,t：t帧的第i个高斯分布的均值向量；

t帧的第i个高斯分布的协方差矩阵，I₃代表3×3的单位矩阵，σ_i,t代表方差；

ω_i,t：t帧的第i个高斯分布的权重，且满足条件

3.根据权利要求2所述的目标同一性识别方法，其特征在于，所述使用GMM算法确定GMM算法背景图像训练模型的步骤包括：

第一步：模型初始化，将视频序列中的第一帧图像的每一个像素点的彩色向量值初始化确定该像素的K个高斯分布的平均取值；

第二步：模型排序，将每个像素的所有高斯分布排序，由大到小，排序规则按照ω_i,t/σ_i,t的比值，并根据下述公式：

计算出分布排序B值，根据上述排序取出B值，作为背景像素的高斯分布结果，得到GMM算法背景图像训练模型。

4.根据权利要求3所述的所述的目标同一性识别方法，其特征在于，所述使用GMM算法背景图像训练模型将不符合背景图像信息的图像信息分隔出来形成对多目标的图像信息分割，是利用模型更新对多目标的图像信息中的多目标分割，具体的执行步骤是：

对获取的含有多目标的场景内图像判断匹配性，当获得每一帧的图像时，将这帧图像的每个像素点与该像素已存在的K个高斯分布一一进行匹配，对于不匹配的像素点进行更新，否则不予更新，匹配成功的判断准则是：

对匹配的第i个高斯分布的参数更新公式如下：

μ_i,t＝(1-ρ_i,t)μ_i,t-1+ρ_i,tX_t；

其中，ρ_i,t＝0.005/ω_i,t，ρ_i,t为参数学习速率；

如果没有与X_t互相搭配的高斯分布，那么此时确定的该像素的高斯分布就要以X_t作为平均值分配给最小权重的高斯分布，接下来改高斯分布再次分配较小的权重和较大的方差。同时按照下式更新权重：

ω_i,t＝(1-α)ω_i,t-1+αM_i,t

上式中：

其中：所述不匹配的像素点是多目标分割信息。

5.根据权利要求1所述的所述的目标同一性识别方法，其特征在于，所述聚类匹配使用的是密度聚类算法(Density-Based Spatial Clustering of Applications with Noise，DBSCAN)，应用DBSCAN算法后，可坐标聚为几类，而被划为一类的坐标则被认为是同一目标，从而完成了目标同一性识别。