[发明专利]一种基于轨迹相似性度量学习的多目标跟踪重定位方法

权利要求书

1.一种基于轨迹相似性度量学习的多目标跟踪重定位方法，包括以下步骤：

对采集的多目标轨迹整体和每一帧进行特征提取，获得反映深层特征的多目标运动轨迹；

利用距离函数计算所述多目标运动轨迹间的相似性；

对所述多目标运动轨迹间的相似性进行度量和轨迹聚类，以限制同类轨迹样本之间的距离，且增大不同类轨迹样本之间的距离。

2.根据权利要求1所述的方法，其特征在于，采用实序列编辑距离EDR来衡量所述多目标运动轨迹间的相似性，表示为：

subcost定义为：

其中，n，m为轨迹A，B的长度，Head表示轨迹上的第一点，REST表示除第一个点之外的所有点组成的子序列，ε是预设的阈值。

3.根据权利要求1所述的方法，其特征在于，对所述多目标运动轨迹间的相似性进行度量和轨迹聚类包括：

通过线性判别分析对所述轨迹间的相似性进行分析，以实现最大化类间距离、最小化类内距离；

将度量学习应用在最大化类间距离，最小化类内距离约束条件的后验概率上，并通过两个协方差矩阵分别表示内部差异和外部差异。

4.根据权利要求3所述的方法，其特征在于，所述度量学习是KISSME度量学习算法，利用轨迹样本对作为约束条件来训练得到一个马氏矩阵，从而使得最终的距离度量函数能够尽可能地满足所给定的约束条件。

5.根据权利要求4所述的方法，其特征在于，所述度量学习以实现映射损失函数的最优化为目标，表示为：

其中，x_in表示当前样本轨迹，x_jn表示非当前样本的轨迹，j＝1,…c，j≠i的取值，y_n∈{-1,1}表示是否属于相同的类的标签，n表示样本序号的取值，l_β是广义逻辑损失函数。

6.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现根据权利要求1至5中任一项所述方法的步骤。

7.一种电子设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至5中任一项所述的方法的步骤。