[发明专利]一种基于轨迹优化的目标跟踪方法及系统

摘要

本发明提供一种基于轨迹优化的目标跟踪方法及系统，在第一帧进行目标模型的构建，包括首先对目标进行样本的采样，进而根据与目标的覆盖率标记样本，提取多融合特征训练结构化的分类器，得到基础的目标模型；然后在后续帧图片中采取若干候选，利用每一个候选训练模型，选出下一帧中置信度最高的候选。如此迭代多帧之后，根据连续多帧中构成的多条轨迹的平均置信度，从而选出目标的最佳运动短轨迹。因此，本发明通过引入目标在连续帧的时序稳定性，克服了传统的基于静态检测方法因忽略时空信息导致模型判别力不足，从而无法选出最佳目标而导致模型漂移的问题，并且提出一种基于多特征融合的结构化输出分类模型，能有效地提高模型的辨别力。

主权项

一种基于轨迹优化的目标跟踪方法，其特征在于：包括以下步骤，步骤1，在第一帧进行目标模型的构建，包括首先对目标进行样本的采样，进而根据与目标的覆盖率标记样本，提取多融合特征训练结构化的分类器，得到基础的目标模型；步骤2，基于目标在连续帧的时序稳定性进行跟踪，包括以下子步骤，步骤2.1，在第一帧构建完目标模型后，在下一帧中采取Ω个候选，Ω为预设的取值；步骤2.2，令t＝2，记在第t帧采集的候选集为对于任一候选先采用第t‑1帧相应的分类器计算每个候选的置信度，选出置信度最高的M个候选，M为预设的取值；步骤2.3，采用本次迭代中步骤2.2在当前帧中选出的M个候选，分别更新分类器；步骤2.4，令t＝t+1，返回步骤2.1针对下一帧进行迭代，直到迭代K轮之后，用第i个分类器在连续K帧中选出的最高置信度候选构成第i个轨迹，得到M个短轨迹，K为预设的取值；步骤2.5，评估K帧之间的M个短轨迹分别的轨迹连续性，选择最优短轨迹，取最优短轨迹中的目标更新模型，然后作为下一个K帧初始的目标模型，返回步骤2.1继续跟踪。