[发明专利]一种基于视频监控的行人多目标检测与跟踪方法

权利要求书

1.一种基于视频监控的行人多目标检测与跟踪方法，其特征在于，包括如下步骤：

S100、根据行人目标的形状特点和运动特点，选择目标的中心位置和加权颜色直方图为特征进行运动目标检测和特征提取，并完成运动目标链的初始化，即原有目标链；

S200、读取下一帧图像，进行目标检测，并为当前帧检测到的目标建立当前帧运动目标链，同时，对原有目标链中的每个目标使用卡尔曼滤波器进行位置预测；

S300、根据原有目标链中的目标和当前帧目标链中的运动目标的面积重合情况、中心距离以及加权颜色直方图的匹配情况，建立关联矩阵，将目标的状态分为新目标出现、目标匹配、目标遮挡和目标消失四种情况；

S400、针对四种不同的情况对运动目标进行相应的处理，并及时更新目标链信息。

2.根据权利要求1所述的基于视频监控的行人多目标检测与跟踪方法，其特征在于，所述步骤S100具体表现为：

S100A、读取视频图像，进行目标检测，找到有运动目标出现的第一帧；

S100B、提取目标的中心坐标、长、宽和加权颜色直方图信息，并为每个目标设置一个表示目标遮挡状态的逻辑参数，初始状态设为1，表示目标未发生遮挡，若发生遮挡则置0，完成运动目标链的初始化，即原有目标链。

3.根据权利要求2所述的基于视频监控的行人多目标检测与跟踪方法，其特征在于，所述步骤S100中目标的加权颜色直方图表示为：

式中，l＝(x,y)表示目标区域的中心坐标，l_t＝(x_t,y_t)表示目标区域内像素位置为，其中，t＝1,2,...,z，z为目标区域内像素总数，h为目标矩形区域对角线长度的一半，δ是Delta函数，b(l_t)表示l_t处的颜色等级，u表示第u级颜色，且u＝1,2,...s，k为加权函数，且k的表达式为：

4.根据权利要求1所述的基于视频监控的行人多目标检测与跟踪方法，其特征在于，所述步骤S200中通过卡尔曼滤波器进行位置预测具体表现为：

1)通过上一时刻状态和协方差矩阵得到当前状态和协方差矩阵的先验估计，即预测方程，其中，当前状态矩阵即k时刻状态的先验估计和协方差矩阵P_k,k-1的表达式为：

式中，k-1表示上一时刻，k表示当前时刻，表示上一时刻状态矩阵，A，Q均表示卡尔曼滤波器参数，T表示矩阵倒置，P_k-1表示上一时刻协方差矩阵；

2)利用先验估计和观测值得到当前时刻状态的最优估计得到观测更新方程为：

式中，K_k表示卡尔曼滤波增益，表示修正状态向量，即k时刻的后验状态估计，Z_k表示k时刻的观测值，P_k表示修正协方差矩阵，H、R均表示卡尔曼滤波器参数。

5.根据权利要求1所述的基于视频监控的行人多目标检测与跟踪方法，其特征在于，所述步骤S300具体表现为：

(1)建立关联矩阵D(m,n)，m为原有目标链上的目标个数，n为当前帧目标链上的目标个数，初始化为全零矩阵；

(2)将当前帧检测到的目标链上的每个目标与原有目标链上的每个预测后的目标依次求重合面积；

(3)设定i为原有目标链中目标的编号，j为当前帧中目标的编号，判断当前帧中的第j个目标与原有目标链中的两个或两个以上的目标的面积重合度r_overlap是否大于0.5，若是，则进入步骤(4)，反之，则进入步骤(5)，其中，r_overlap的表达式为：

式中，S_i、S_j分别表示第i个目标、第j个目标的面积，i和j的取值为1,2,...,m；

(4)此处有遮挡发生，令关联矩阵D(i,j)＝-1，遮挡涉及的目标的遮挡状态逻辑参数均置为0；

(5)此处没有遮挡发生，即状态参数为1，将状态参数为1的目标与当前帧中状态参数为1的目标计算中心距和加权颜色直方图的匹配情况，当同时满足一定的阈值条件时，认为两者匹配，令关联矩阵的对应元素值为1。