[发明专利]一种基于深度轨迹预测的多目标跟踪方法及系统

权利要求书

1.一种基于深度轨迹预测的多目标跟踪方法，其特征在于，包括：

S1、在预设监控区域内拍摄球体的监控视频，基于所述监控视频进行分帧处理，读取监控视频中的图像信息；

S2、对所述图像信息进行目标识别，获取球体的运动规律及球体颜色空间分布；根据球体的运动规律、球体颜色空间分布及预先构建的球体之间刚体碰撞的物理模型，生成球体的轨迹信息；

S3、根据所述轨迹信息构建基于深度学习的第一RNN模型，并对所述第一RNN模型进行训练；

S4、对训练好的第一RNN模型，融合碰撞能量衰减的贪婪多目标关联进行模型优化处理，得到第二RNN模型；

其中，所述融合碰撞能量衰减的贪婪多目标关联进行模型优化处理指的是，在发生刚性球体碰撞后，根据碰撞能量的衰减规律及各个刚性球体碰撞的顺序，角度，力度信息对模型进行优化处理；

S5、获取目标视频，对所述目标视频进行解析，提取目标视频中的目标球体的轨迹信息；将目标球体的轨迹信息输入所述第二RNN模型中，输出预测轨迹信息，得到对目标球体的跟踪结果。

2.如权利要求1所述的基于深度轨迹预测的多目标跟踪方法，其特征在于，所述输出预测轨迹信息后，还包括：

计算预测轨迹信息的置信度，在确定所述置信度小于预设置信度时，检测输入所述第二RNN模型的目标球体的轨迹信息是否完整；

在确定所述目标球体的轨迹信息完整时，对目标视频中的目标图像信息进行读取，提取目标球体在各个时刻的特征参数，进而获取目标球体在各个时刻的场景信息及位置信息；

根据目标球体在各个时刻的场景信息及位置信息，生成对目标球体的轨迹信息的评估体系；

根据所述评估体系更新所述第二RNN模型中的预测轨迹函数。

3.如权利要求2所述的基于深度轨迹预测的多目标跟踪方法，其特征在于，在确定所述目标球体的轨迹信息不完整时，对目标视频进行重新解析，判断是否增加新的轨迹片段；

在确定增加新的轨迹片段时，将新的轨迹片段分别与之前提取的多个轨迹信息进行匹配，并计算匹配度，基于单个新的轨迹片段，获取最高匹配度对应的轨迹信息及所述轨迹信息对应的目标球体，将所述目标球体的轨迹信息与新的轨迹片段进行信息融合处理，生成新的轨迹信息。

4.如权利要求2所述的基于深度轨迹预测的多目标跟踪方法，其特征在于，所述计算预测轨迹信息的置信度，包括：

S21、将预测轨迹信息分为N个预测轨迹片段，对所述N个预测轨迹片段分别进行主观评估及客观评估，计算主观评估与客观评估的相似度S：

其中，X_i为主观评估序列中对第i个预测轨迹片段的主观评价；Y_i为客观评估序列中对第i个预测轨迹片段的客观评价；

S22、截取目标球体的轨迹信息的尾部轨迹片段，将所述尾部轨迹片段与预测轨迹信息的首个预测轨迹片段进行关联性分析，确定尾部轨迹片段与首个预测轨迹片段的最大置信度；所述尾部轨迹片段与所述首个预测轨迹片段长度相同；

S23、根据主观评估与客观评估的相似度S及尾部轨迹片段与首个预测轨迹片段的最大置信度，计算预测轨迹信息的置信度W：

其中，β₁为对从正向途径推导的置信度的修正因子；W₁为基于尾部轨迹片段与首个预测轨迹片段的最大置信度对预测轨迹信息从正向途径推导的置信度；β₂对从逆向途径推导的置信度的修正因子；W₂基于尾部轨迹片段与首个预测轨迹片段的最大置信度对预测轨迹信息从逆向途径推导的置信度；δ为对首个预测轨迹片段与最后一个预测轨迹片段的相似度的修正因子；P为预测轨迹信息的首个预测轨迹片段与最后一个预测轨迹片段的相似度；λ为预测轨迹信息中从首个预测轨迹片段到最后一个预测轨迹片段的置信度的衰减参数；W₀为尾部轨迹片段与首个预测轨迹片段的最大置信度；q为截取的尾部轨迹片段为有效值的概率。