基于多级别特征数据关联的多目标视觉跟踪方法

摘要

本发明属于安防监控领域，涉及一种基于多级别特征数据关联的多目标视觉跟踪算法对监控场景中的多目标进行检测和跟踪的方法：获取目标对象，从视频场景背景中分离出目标作为跟踪目标；建立目标模型，提取目标的全局特征和局部特征作为描述目标对象模型的特点，并通过过滤处理去掉匹配度极低的目标；关联度计算，以目标相似性、纹理相似性和局部颜色相似性为基础进行关联度计算，从整体特征和局部特征两个级别进行匹配策略；采用遮挡判断机制处理目标遮挡；根据不断迭代的关联算法，获得较长较准确的目标轨迹。本发明不仅提高了目标跟踪的准确度，还有效地解决了目标间遮挡问题，与仅使用整体特征建模的关联追踪算法相比，精确度更高。

主权项

一种基于多级别特征数据关联的多目标视觉跟踪方法，包括下列步骤：第一步，对于一段输入的监控视频，先采用背景差分法分离目标和背景，提取出视频帧中的目标，记录所有目标的位置及区域；第二步，在记录每个目标的整体特征的同时，计算目标的局部特征，目标的整体特征主要包括：目标大小、目标位置、目标出现时间和目标整体颜色直方图；目标的局部特征主要包括局部纹理特征和局部区块目标的颜色统计值；第三步，将上述得到的多个目标及各自的整体特征和局部特征结合；第四步，过滤得到的目标，去除不同帧之间相似度低的目标组合，得到相似度高的目标组合；第五步，对于相似度高的目标组合，计算各个目标的目标相似度、纹理相似度和局部颜色相似度，其中，目标相似度的计算包括目标位置相似度A_pos()，目标大小相似度A_size()及整体颜色相似度A_appr()，纹理相似度通过计算两个相邻帧间目标对象的对应区块间的欧氏距离，加权求和后得到A_tex(r_j，r_i)，r_i，r_j分别表示相邻两帧内检测到的目标对象，j，i为前后两帧；同理，局部颜色相似度也为加权对应区块局部颜色统计值间的欧氏距离得到A_color(r_j，r_i)；第六步，将整体的所有相似度关联，若j，i为前后两帧，则整体关联度P_global(r_j，r_i)为A_pos()，A_size()和A_appr()的乘积，否则为0；将局部的所有相似度关联，若j，i为前后两帧，则局部关联度P_local(r_j，r_i)为A_tex(r_j，r_i)和A_color(r_j，r_i)的乘积，否则为0；最后，将整体关联度和局部关联度结合起来，得到最终关联度P_link(r_j，r_i)＝P_global(r_j，r_i)P_local(r_j，r_i)；第七步，如果发现上一帧中两个目标的大小之和大于当前帧中两个目标区域的总面积时，则认为出现了遮挡问题，若遮挡部分小于预设的第二阈值，则匹配目标特征时去除遮挡块信息，避免匹配错误；否则，启动卡曼滤波算法，根据目标在前几帧中的运动状态预测当前时刻目标的位置；第八步，根据上述关联度计算并结合遮挡机制，每个目标都会在相邻帧中得到一个最终关联度值最大的目标，经过多帧计算后，将这些最终关联度值最大的目标连接起来形成较短的目标运动轨迹，完成初步数据关联；然后再利用初步关联得到的运动轨迹作为下一次关联度计算的输入，采用多级迭代关联计算，即从第五步计算目标相似度、纹理相似度和局部颜色相似度开始迭代计算优化运动轨迹，经过多次迭代后，得到较长较准确的目标轨迹。