基于运动信息的在线多目标跟踪方法及装置制造方法及图纸

本发明专利技术提供一种基于运动信息的在线多目标跟踪方法及装置，属于计算机技术领域。该方法包括：识别当前第t帧图像中的N个跟踪目标，t为大于等于3的整数，N为大于等于2的整数；获取第t帧图像中N个跟踪目标的特征信息，特征信息包括位置信息和尺寸信息；获取N个轨迹片段，每个轨迹片段对应一个跟踪目标在前t‑1帧图像中运动轨迹；根据每一个轨迹片段的置信度，将N个轨迹片段中的一个和N个特征信息中的一个进行关联，更新N个跟踪目标的轨迹片段，且轨迹片段的置信度满足多高斯不确定MGU理论。本发明专利技术提供的基于运动信息的在线多目标跟踪方法及装置，提高了多目标跟踪的准确度。

【技术实现步骤摘要】
基于运动信息的在线多目标跟踪方法及装置
本专利技术涉及计算机
，尤其涉及一种基于运动信息的在线多目标跟踪方法及装置。
技术介绍
多目标跟踪问题是计算机视觉领域的一个重要课题，它在机器人视觉导航、交通监测、智能交通系统、医疗诊断等领域有着重要的应用价值。在线多目标跟踪，是指利用视频当前图像帧以及之前图像帧中的目标信息，对多个目标进行实时跟踪。随着检测技术的飞速发展，现有多目标跟踪方法大多采用基于检测的跟踪(tracking-by-detection,TBD)方法，利用在线目标检测器得到的目标特征信息实现跟踪，但是在跟踪过程中，仅是通过目标的外观信息作为相似度评价，若对于外观比较相似的多个目标，则会造成跟踪错误。因此，采用现有的跟踪方法，使得多目标跟踪的准确度不高。
技术实现思路
本专利技术提供一种基于运动信息的在线多目标跟踪方法及装置，以提高多目标跟踪的准确度。本专利技术实施例提供一种基于运动信息的在线多目标跟踪方法，包括：识别当前第t帧图像中的N个跟踪目标，t为大于等于3的整数，N为大于等于2的整数；获取所述第t帧图像中N个所述跟踪目标的特征信息，所述特征信息包括位置信息和尺寸信息；获取N个轨迹片段，每个所述轨迹片段对应一个跟踪目标在前t-1帧图像中运动轨迹；根据所述每一个轨迹片段的置信度，将所述N个轨迹片段中的一个和所述N个特征信息中的一个进行关联，更新所述N个跟踪目标的轨迹片段，且所述轨迹片段的置信度满足多高斯不确定MGU理论。在本专利技术一实施例中，所述根据所述每一个轨迹片段的置信度，将所述N个轨迹片段中的一个和所述N个特征信息中的一个进行关联之前，还包括：确定所述每一个轨迹片段的置信度。在本专利技术一实施例中，所述确定所述每一个轨迹片段的置信度，包括：根据确定所述每一个轨迹片段的置信度；其中，表示目标i的相对位置的标准差，表示目标i的相对速度的标准差，为目标i的MGU理论上界，L＝|Ti|为Ti的长度，λ为与检测器性能相关的系数，为所述轨迹片段和所述特征信息之间的相似度，Ti为所述轨迹片断，为所述特征信息，Dt为第t帧图像的特征信息的集合。在本专利技术一实施例中，所述根据所述每一个轨迹片段的置信度，将所述N个轨迹片段中的一个和所述N个特征信息中的一个进行关联之后，还包括：对所述更新得到的所述N个跟踪目标的轨迹片段进行重关联。在本专利技术一实施例中，所述对所述更新得到的所述N个跟踪目标的轨迹片段进行重关联之前，还包括：对所述更新得到的所述N个跟踪目标的轨迹片段进行重关联判断；确定所述更新得到的所述N个跟踪目标的轨迹片段满足重关联的条件。在本专利技术一实施例中，所述对所述更新得到的所述N个跟踪目标的轨迹片段进行重关联判断，包括：根据对所述更新得到的所述N个跟踪目标的轨迹片段进行重关联判断；其中，Fre-ass表示决策函数，ε为阶跃函数，为初步关联置信度，为从距离当前Δf帧开始的置信度瞬时变化情况，为在Δf帧内的累积变化情况，α,β,γ分别为相对应的阈值。在本专利技术一实施例中，所述更新所述N个跟踪目标的轨迹片段之后，还包括：更新所述每一个轨迹片段的置信度。本专利技术实施例还提供一种基于运动信息的在线多目标跟踪装置，包括：识别模块，用于识别当前第t帧图像中的N个跟踪目标，t为大于等于3的整数，N为大于等于2的整数；获取模块，用于获取所述第t帧图像中N个所述跟踪目标的特征信息，所述特征信息包括位置信息和尺寸信息；所述获取模块，还用于获取N个轨迹片段，每个所述轨迹片段对应一个跟踪目标在前t-1帧图像中运动轨迹；关联模块，用于根据所述每一个轨迹片段的置信度，将所述N个轨迹片段中的一个和所述N个特征信息中的一个进行关联，更新所述N个跟踪目标的轨迹片段，且所述轨迹片段的置信度满足多高斯不确定MGU理论。在本专利技术一实施例中，还包括：确定模块，用于确定所述每一个轨迹片段的置信度。在本专利技术一实施例中，所述确定模块，具体用于根据确定所述每一个轨迹片段的置信度；其中，表示目标i的相对位置的标准差，表示目标i的相对速度的标准差，为目标i的MGU理论上界，L＝|Ti|为Ti的长度，λ为与检测器性能相关的系数，为所述轨迹片段和所述特征信息之间的相似度，Ti为所述轨迹片断，为所述特征信息，Dt为第t帧图像的特征信息的集合。本专利技术实施例提供的基于运动信息的在线多目标跟踪方法及装置，在实现多目标在线跟踪的过程中，通过识别当前第t帧图像中的N个跟踪目标；获取第t帧图像中N个跟踪目标的特征信息；获取N个轨迹片段，每个轨迹片段对应一个跟踪目标在前t-1帧图像中运动轨迹；根据每一个轨迹片段的置信度，将N个轨迹片段中的一个和N个特征信息中的一个进行关联，更新N个跟踪目标的轨迹片段，且轨迹片段的置信度满足多高斯不确定MGU理论。由此可见，本专利技术实施例提供的基于运动信息的在线多目标跟踪方法，通过将MGU理论引入多目标在线跟踪中，以利用一定时间段内的目标运动信息对关联进行约束，从而提高了多目标跟踪的准确度。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种基于运动信息的在线多目标跟踪方法的流程示意图；图2为本专利技术实施例提供的另一种基于运动信息的在线多目标跟踪方法的流程示意图；图3为本专利技术实施例提供的一种基于运动信息的在线多目标跟踪装置的结构示意图；图4为本专利技术实施例提供的另一种基于运动信息的在线多目标跟踪装置的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例，例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。需要说明的是，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。图1为本专利技术实施例提供的一种基于运动信息的在线多目标跟踪方法的流程示意图，该基于运动信息的在线多目标跟踪方法可以由基于运动信息的在线多目标跟踪装置执行，示例的，该基于运动信息的在线多目标跟踪可以独立设置，也可以集成在处理器中。具体请参见图1所示，该基于运动信息的在线多目标跟踪方法可以包括：S101、识别当前第t帧图像中的N个跟踪目标。其中，t为大于等于3的整数，N为大于等于2的整数。在本文档来自技高网...

【技术保护点】
一种基于运动信息的在线多目标跟踪方法，其特征在于，包括：识别当前第t帧图像中的N个跟踪目标，t为大于等于3的整数，N为大于等于2的整数；获取所述第t帧图像中N个所述跟踪目标的特征信息，所述特征信息包括位置信息和尺寸信息；获取N个轨迹片段，每个所述轨迹片段对应一个跟踪目标在前t‑1帧图像中运动轨迹；根据所述每一个轨迹片段的置信度，将所述N个轨迹片段中的一个和所述N个特征信息中的一个进行关联，更新所述N个跟踪目标的轨迹片段，且所述轨迹片段的置信度满足多高斯不确定MGU理论。

【技术特征摘要】
1.一种基于运动信息的在线多目标跟踪方法，其特征在于，包括：识别当前第t帧图像中的N个跟踪目标，t为大于等于3的整数，N为大于等于2的整数；获取所述第t帧图像中N个所述跟踪目标的特征信息，所述特征信息包括位置信息和尺寸信息；获取N个轨迹片段，每个所述轨迹片段对应一个跟踪目标在前t-1帧图像中运动轨迹；根据所述每一个轨迹片段的置信度，将所述N个轨迹片段中的一个和所述N个特征信息中的一个进行关联，更新所述N个跟踪目标的轨迹片段，且所述轨迹片段的置信度满足多高斯不确定MGU理论。2.根据权利要求1所述的方法，其特征在于，所述根据所述每一个轨迹片段的置信度，将所述N个轨迹片段中的一个和所述N个特征信息中的一个进行关联之前，还包括：确定所述每一个轨迹片段的置信度。3.根据权利要求2所述的方法，其特征在于，所述确定所述每一个轨迹片段的置信度，包括：根据确定所述每一个轨迹片段的置信度；其中，表示目标i的相对位置的标准差，表示目标i的相对速度的标准差，为目标i的MGU理论上界，L＝|Ti|为Ti的长度，λ为与检测器性能相关的系数，为所述轨迹片段和所述特征信息之间的相似度，Ti为所述轨迹片断，为所述特征信息，Dt为第t帧图像的特征信息的集合。4.根据权利要求1所述的方法，其特征在于，所述根据所述每一个轨迹片段的置信度，将所述N个轨迹片段中的一个和所述N个特征信息中的一个进行关联之后，还包括：对所述更新得到的所述N个跟踪目标的轨迹片段进行重关联。5.根据权利要求4所述的方法，其特征在于，所述对所述更新得到的所述N个跟踪目标的轨迹片段进行重关联之前，还包括：对所述更新得到的所述N个跟踪目标的轨迹片段进行重关联判断；确定所述更新得到的所述N个跟踪目标的轨迹片段满足重关...

【专利技术属性】
技术研发人员：曹先彬，刘俊英，李岩，郑洁宛，田舒曼，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11