[发明专利]一种基于特征关联的视频群体人物运动轨迹跟踪方法

权利要求书

1.一种基于特征关联的视频群体人物运动轨迹跟踪方法，其特征在于，包括以下步骤：

步骤1)输入1个视频，设置标准视频帧尺寸为H×W，若视频帧尺寸与标准视频帧尺寸不一致，使用双线性内差值算法将视频帧缩放到标准视频帧尺寸大小，所述视频是用户输入的视频，H表示视频帧高度，W表示视频帧宽度，双线性内差值算法是一种常见的图像处理算法；

步骤2)使用Mask-RCNN网络对每一帧视频帧进行人物检测，获得第t帧视频帧检测到的人物集合为第t帧视频帧第i个人物的位置信息为特征掩码为设置第t帧视频帧第i个人物的匹配状态参数match＝0、标记状态参数mark＝0，所述Mask-RCNN网络是一种有效的人物检测算法，i是第t帧视频帧的人物编号，按照位置信息递增排序，n_t是第t帧视频帧检测到的人物数量，匹配状态参数match∈{0,1}；

步骤3)设置视频中出现的群体人物数量为N，初始化N＝n₁，赋值第一帧视频帧所有人物的标记状态参数mark为对应的人物编号，所述n₁为第一帧视频帧检测到的人物数量，从第一帧视频帧开始逐帧进行人物匹配，直到遍历整个视频完成群体人物运动轨迹跟踪，步骤4)至步骤5)将详述相邻视频帧第t帧视频帧至第t+1帧视频帧的人物匹配过程；

步骤4)依次检测第t帧视频帧所有人物的标记状态参数mark，如果存在人物对应的标记状态参数mark＝0，认定该人物为新增人物，修改N＝N+1，该人物的标记状态参数mark＝N

步骤5)设置第t帧视频帧中匹配状态参数match＝0的人物集合为P_non-match，遍历P_non-match完成人物匹配，具体步骤如下：

步骤51)选取P_non-match中人物编号最小的人物作为当前追踪人物，记为的位置信息和特征掩码分别为和

步骤52)设置第t+1帧视频帧mark＝0的人物集合为P_non-mark，计算当前追踪人物与P_non-mark中有人物的关联相似度，具体步骤如下：

a)设置为P_non-mark中的人物，计算当前追踪人物与的位置差异度所述是的位置信息；

b)计算当前追踪人物与的位置权值参数所述是当前追踪人物与P_non-mark中所有人物位置差异度之和；

c)计算当前追踪人物与的关联相似度所述是的特征掩码；

步骤53)判断当前追踪人物与P_non-mark中所有人物的关联关系，具体步骤如下：

d)如果Link_now中存在当前追踪人物与的关联相似度link_now-track≥link_min，且link_now-track在Link_now中最大，则认定当前追踪人物与匹配成功，更新的匹配状态参数match＝1，更新的标记状态参数mark为当前追踪人物的标记状态参数取值，更新在第t帧视频帧至第t+1帧视频帧的运动轨迹为所述Link_now是与P_non-mark的关联相似度集合，link_min是最小关联相似度阈值；

e)如果Link_now中的取值均小于link_min，则认定当前追踪人物P_now在第t+1帧视频帧追踪失败，更新的匹配状态参数match＝1，更新第t帧视频帧至第t+1帧视频帧的运动轨迹为

步骤6)设置视频序列内标记状态参数mark取值相同的人物为同一人物，更新整理视频群体人物运动轨迹，视频群体人物运动轨迹跟踪结束。

2.根据权利要求1所述的一种基于特征关联的视频群体人物运动轨迹跟踪方法，其特征在于，所述步骤1)中，H按照数据集取720，W按照数据集取1280。

3.根据权利要求1所述的一种基于特征关联的视频群体人物运动轨迹跟踪方法，其特征在于，所述步骤5)中，所有人物的位置权值参数W_now-j的取值之和为1，link_min按照经验取0.5。