一种基于颜色和距离聚类的多目标跟踪方法技术

本发明专利技术提供一种基于颜色和距离聚类的多目标跟踪方法，该方法减少了跟踪目标形变带来的影响，增加目标之间的区分度，并降低了对检测器的依赖程度；该方法结合前后帧的位置信息和目标的直方图信息通过对前景点进行聚类，并计算前景点得分，最后定位目标位置，并不断更新目标的直方图特征和位置信息。

【技术实现步骤摘要】
一种基于颜色和距离聚类的多目标跟踪方法
本专利技术涉及数字图像处理领域，更具体地，涉及一种基于颜色和距离聚类的多目标跟踪方法。
技术介绍
视频多目标跟踪技术，即对一个视频序列中给定的多个运动目标，在每一帧中分别找出其对应的位置和运动轨迹，持续到视频结束或者目标离开视野范围。多目标跟踪在人工智能领域有着重要价值，如在公共场合视频监控中检测多个目标的动态，在军事领域，用于导弹防御，海洋监视、战场监视。在商业上，则用于客流量统计。然而，由于多目标间的关联性，背景的复杂性，使得多目标跟踪实现相当复杂。目前多目标跟踪算法大体分为两种：1)基于检测和匹配的方法。这种方法的大致流程为，预先训练一个或多个检测器，如基于Haar特征的Adaboost人头分类器[1]，然后在每一帧中滑动检测每一个区域的响应，得到可能为目标的矩形框，然后对检测到的矩形框提取某种特征，比如直方图特征，再和前一帧的目标进行匹配，从而确定目标。2)基于模板响应的在线学习方法。这种方法的流程是，对每个目标学习一种特征作为模板，在下一帧的目标邻域中，计算对该模板的响应，从而确定出目标的位置，同时更新模板。如KCF(Kerneliz本文档来自技高网...

【技术保护点】
一种基于颜色和距离聚类的多目标跟踪方法，其特征在于，包括以下步骤：S1：计算距离得分；S2：计算颜色得分；S3：加权得分；S4：聚类；S5：目标回归；S6：更新距离和直方图模型。

【技术特征摘要】
1.一种基于颜色和距离聚类的多目标跟踪方法，其特征在于，包括以下步骤：S1：计算距离得分；S2：计算颜色得分；S3：加权得分；S4：聚类；S5：目标回归；S6：更新距离和直方图模型。2.根据权利要求1所述的基于颜色和距离聚类的多目标跟踪方法，其特征在于，所述步骤S1的具体过程如下：对当前帧前景中每一个像素点，根据其和前一帧各个目标的距离，计算其属于前一帧中各个目标的可能性作为该点的属于各个目标类别的得分，得分为一个向量，向量的维数表示可能的目标数：d(p)＝||p-cn||2……(3)对于一帧图像xt，应用高斯混合背景建模得到运动区域的前景掩模mt，mt是一张二值图像，像素值为1代表的是运动区域，0代表的是背景区域，将把mt里面为1的像素点所对应xt的像素点统称为前景点，用集合St表示；t为某一时刻,我们现有的信息是前一时刻t-1时，目标的个数N，其中cn代表的是第n个目标的中心，每一个目标称为每一个类别，对于前景里某一点p，则d(p)表示的是p和类别中心cn的欧氏距离，函数g(d)计算的是p属于每一个类别的距离得分，其中g函数中3σ等于该视角下目标在画面里面的宽度，对于某一类别n,如果点p距离类别中心大于3σ，该点属于该类别的可能性为0，所以距离得分也为0，如果距离小于3σ，则按照高斯函数计算其距离得分，fdist(p)表示前景点分别属于各个类别的距离得分，用N维列向量表示:3.根据权利要求2所述的基于颜色和距离聚类的多目标跟踪方法，其特征在于，所述步骤S2的具体过程如下：对当前帧前景的每一个像素点，根据前一帧各个目标的颜色直方图，计算该像素点属于每一个目标的概率，作为此像素点的得分，得分为一个向量，向量的维数表示可能的目标数:d(p)＝||p-cn||2……(6)其中，j表示的是xt的M个通道中的第j个通道，Hj(On)表示的j通道上第n个类别的颜色直方图，而bj(On)表示的是j通道上点p落在第n个类别的颜色直方图对应的那个bin，所以ρj(On)表示的是，在通道j上点p属于类别n的概率，然后对ρj(On)进行归一化，那么fnhist(p)代表各个通道上的概率和，作为该点属于第个n类别的概率，d(p)＜3σ的意义和距离得分的一致，用fhist(p)表示点p数各个类...

【专利技术属性】
技术研发人员：赖剑煌，朱允全，谢晓华，
申请(专利权)人：广东顺德中山大学卡内基梅隆大学国际联合研究院，中山大学，
类型：发明
国别省市：广东,44