多层次约束的多目标追踪算法制造技术

本发明专利技术提供了一种基于多层次约束的多目标追踪算法，首先使用简单的策略快速得到追踪片段，然后利用视觉信息对所有的追踪片段进行修正、分割，再将上述结果转化为关于追踪片段的图模型并求解，对求解得到的结果使用高层语义信息进一步修正，得到最终的追踪目标轨迹。本发明专利技术充分利用了追踪目标的视觉特性，由浅到深，层层约束，解决了现有方法难以充分利用视觉特性而造成的难以获取准确结果的问题，可以使追踪结果更为精确。

【技术实现步骤摘要】
多层次约束的多目标追踪算法
本专利技术属计算机视觉、图形处理
，具体涉及一种基于多层次约束的视觉多目标追踪算法。
技术介绍
多层次约束的多目标追踪算法可以在给定视频序列的情况下，将处于不同帧的检测物链接起来，从而得到不同物体的运动轨迹；基于视觉信息的多目标追踪算法对于智能驾驶中的检测异常车辆及行人等、规避潜在粉线，对于监控视频的拥挤场景分析、异常行为检测，具有重要的理论和现实意义。根据使用视频数据方式的不同，现有的视觉多目标追踪算法大致可分为：离线多目标算法和在线多目标算法。离线多目标算法主要是利用最大化后验概率将目标检测器检测出的所用目标转化为图模型，通过求解该图模型得到目标在视频序列中的轨迹。L.Zhang等人在文献“L.Zhang,Y.Li,andR.Nevatia.GlobalDataAssociationforMulti-objectTrackingusingNetworkFlows,InProceedingsofIEEEConferenceonComputerVisionandPatternRecognition,pp.1-8,2008.”中提出了基于网络流和预流推本文档来自技高网...

【技术保护点】
一种多层次约束的多目标追踪算法，其特征在于包括以下步骤：步骤一：生成追踪片段：将视频序列的检测结果转化为图模型，使用图模型算法求解，得到相应的追踪片段，具体为：步骤1：假定第i个检测物为xi＝(di,si,ai,ti)，其中，di表示检测物的位置，si表示尺度，ai表示视觉信息，ti表示检测物所处帧，i＝1,…,M，M为检测物个数；χ＝{xi}表示检测物的集合，

【技术特征摘要】
1.一种多层次约束的多目标追踪算法，其特征在于包括以下步骤：步骤一：生成追踪片段：将视频序列的检测结果转化为图模型，使用图模型算法求解，得到相应的追踪片段，具体为：步骤1：假定第i个检测物为xi＝(di,si,ai,ti)，其中，di表示检测物的位置，si表示尺度，ai表示视觉信息，ti表示检测物所处帧，i＝1,…,M，M为检测物个数；χ＝{xi}表示检测物的集合，表示第k条目标轨迹，k1,…,klk表示第k条轨迹所对应的检测物的序号，lk为第k条轨迹所包含的检测物的个数，T＝{Tk}表示轨迹的集合，k＝1,…,K，K为视频序列中目标总数；步骤2：根据最大化后验概率得到目标函数T*：其中，P(T|χ)表示使用检测物的集合得到一组轨迹的后验概率；P(xi|T)表示检测物xi存在于轨迹集合T的概率，P(Tk)表示轨迹Tk存在的概率；步骤3：根据P(xi|T)的特性以及检测器的准确率β，将其转化为：步骤4：假定追踪序列是马尔科夫链，Pentr表示马尔可夫链起始概率，Plink表示转化概率，Pexit表示转化概率，将步骤2中的P(Tk)转化为：步骤5：将公式(2)、(3)代入公式(1)，对公式(1)取对数，得到：其中，Cen,i＝-logPentr(xi)，Cex,i＝-logPexit(xi)，Ci,j＝-logPlink(xj|xi)，Cen,i、Cex,i、Ci,j、Ci、fen,i、fex,i、fi,j、fi即构成图模型；步骤6：对步骤5得到的图模型进行求解得到追踪片段，具体为：步骤a：按照cost(i)＝Cen,i+Ci对第一帧检测数据中所对应的节点进行初始化，i为节点序号，i＝1,…,M1，M1为第一帧检测数据中检测物的个数；步骤b：对后续节点按cost(i)＝Ci+min(ω,Cen,i)计算其cost(i)值，其中N(i)表示节点i可能的前驱节点集合，这里，i为后续检测数据对应的节点序号；所述的前驱...

【专利技术属性】
技术研发人员：王琦，李学龙，张星宇，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西,61