[发明专利]一种自适应分层关联多目标跟踪方法

摘要

本发明属于智能视频监控技术领域，提出了一种自适应分层关联多目标跟踪方法。本方法利用增量线性可判别分析(ILDA，Incremental Linear Discriminant Analysis)寻找一个能尽可能分离各个目标的投影矩阵，并提取各个目标的特征均值向量，并用其定义轨迹和候选目标进行匹配的关联代价函数，从而来指导连续轨迹和断开轨迹的增长。当前帧匹配结束后，计算各个轨迹最新匹配结果和其特征均值向量的差异，当差异大于一定阈值的时候，用该匹配结果来更新ILDA模型相关参数，否则不更新。相比现有技术，本发明能够减少多目标跟踪过程中由于目标外观相似而跟错目标的概率。

主权项

1.一种自适应分层关联多目标跟踪方法，其特征在于包括以下步骤：步骤1、以颜色相似度为手段对前N帧的检测结果进行匹配，形成各个目标在前N帧的初始轨迹，定义目标i在当前第t帧的跟踪结果为其中，(x,y)为目标区域中心坐标，(w,h)为目标的宽和高，则目标的轨迹Tⁱ是目标从出现到当前帧跟踪结果的集合，表示为其中，m是帧号，和分别是轨迹的开始帧和结尾帧，形成初始轨迹包括以下过程：(a)把第一帧的所有检测结果作为待追踪的目标；(b)计算其中一个待追踪目标i和当前第t帧第j个检测结果的颜色相似度，采用Bhattacharyya系数ρ来计算，其中，p和q分别是目标i和检测结果j的HSV颜色直方图，如果ρ＞0.7，则将检测j作为待追踪目标i的子节点；(c)重复步骤(b)，直至计算完所有待追踪目标的子节点；(d)对所有待匹配检测结果进行统计，同一个检测结果可能有被多个待追踪目标当成子节点的情况，则分别依次形成多个轨迹，最后，选择其中最长或者相似度最高的轨迹，其余的则被舍弃；步骤2、选出N帧都有跟踪结果的初始目标轨迹，把这些目标的所有跟踪结果框作为样本集合，训练出ILDA模型，包括以下过程：(a)假设有k个目标，第i个目标有n_i个样本，计算每个样本的HSV颜色直方图向量则目标i的均值向量为所有目标的总体均值向量其中1≤i≤k，1≤j≤n_i；(b)计算所有样本类内离散度矩阵为样本类间离散度矩阵为(c)通过对进行特征分解获得其特征向量，将特征值按照大小进行降序排列，取前k‑1个特征向量组成投影矩阵W_ILDA；步骤3、目标在前一帧有跟踪结果称为连续轨迹，根据当前的ILDA模型指导连续轨迹和当前帧中的检测结果进行二分匹配，使得连续轨迹得以增长；步骤4、目标在前一帧没有跟踪结果称为断开轨迹，根据当前的ILDA模型指导断开轨迹和候选目标进行二分匹配，候选目标包括其余的轨迹和步骤3剩余的未匹配的检测结果，使得断开轨迹得以增长；步骤5、如果当前帧仍然有剩余的检测结果没有匹配，判断其是否为一个新出现的目标；步骤6、自适应地用跟踪结果来更新ILDA模型各个参数；步骤7、判定是否为结尾帧，如果是，则结束跟踪，否则返回步骤3。