基于迭代滤波和观测判别的多行人跟踪方法技术

本发明专利技术公开了一种基于迭代滤波和观测判别的多行人跟踪方法，对待检测视频图像进行3次迭代部件组合检测以降低漏检率；计算第3次迭代后保留的新增目标头部灰度直方图与第2次迭代后的头部图像块的平均灰度直方图间的直方图面积重叠率，滤除重叠率小于设定阈值的目标头部检测框，有效抑制误检测框对检测性能的影响，保留可靠的目标检测框，利于提高检测精确率；进一步提取互遮挡或不完整检测目标的局部可观测区域，获得多目标可观测区域的中心和尺度信息并建立成观测数据集；根据观测数据集及目标轨迹置信度实现跟踪。本发明专利技术可应用于人工智能，智能机器人和智能视频监控等领域。

【技术实现步骤摘要】
基于迭代滤波和观测判别的多行人跟踪方法
本专利技术涉及一种基于迭代滤波和观测判别的多行人跟踪方法,属于计算机视觉领域,主要用于人工智能、智能机器人和智能视频监控中。
技术介绍
多目标跟踪是计算机视觉和智能视频信息处理领域的研究热点之一，其在公共安全监控和管理、医学图像分析、行为理解、视觉导航等方面有着广泛的应用。目前国内外学者主要关注的问题集中在目标间相似特征干扰、外观模糊及遮挡等复杂场景下的跟踪鲁棒性、准确性提高上。FelzenszwalbPF等在IEEETransactionsonPatternAnalysisandMachineIntelligence(2010,32(9):1627-1645)发表的文章“ObjectDetectionwithDiscriminativelyTrainedPart-BasedModels”中首次提出可变形部件模型DPM(DeformablePartsModel)，该方法基于目标的方向梯度直方图(HistogramofOrientedGradients，HOG)特征、根滤波器和部件滤波器模板，逐步实现多目标检测任务，该方法是增强版的HOG。Idr本文档来自技高网...

【技术保护点】
1.一种基于迭代滤波和观测判别的多行人跟踪方法，其特征在于，包括如下步骤：步骤一、对待检测视频图像进行3次迭代部件组合检测，其中在第2次部件组合检测后，根据非极大值抑制算法滤除重复的头部检测区域，并定位和获取剩余目标的头部图像块，计算第2次迭代后的头部图像块的平均灰度直方图；步骤二、在第3次部件组合检测后，再次利用非极大值抑制滤除重复的目标头部检测框，判别第3次与第2次迭代生成的目标头部矩形区域中心点间的欧式距离是否为零，若为零则剔除第2次生成的头部检测框，若不为零则保留新增目标头部检测框；计算第3次迭代后保留的新增目标头部灰度直方图与第2次迭代后的头部图像块的平均灰度直方图间的直方图面积重叠...

【技术特征摘要】
1.一种基于迭代滤波和观测判别的多行人跟踪方法，其特征在于，包括如下步骤：步骤一、对待检测视频图像进行3次迭代部件组合检测，其中在第2次部件组合检测后，根据非极大值抑制算法滤除重复的头部检测区域，并定位和获取剩余目标的头部图像块，计算第2次迭代后的头部图像块的平均灰度直方图；步骤二、在第3次部件组合检测后，再次利用非极大值抑制滤除重复的目标头部检测框，判别第3次与第2次迭代生成的目标头部矩形区域中心点间的欧式距离是否为零，若为零则剔除第2次生成的头部检测框，若不为零则保留新增目标头部检测框；计算第3次迭代后保留的新增目标头部灰度直方图与第2次迭代后的头部图像块的平均灰度直方图间的直方图面积重叠率，滤除重叠率小于设定阈值的目标头部检测框，获得剩余头部检测框及所在目标检测框；步骤三、通过二进制整数规化、重叠约束和链条约束提取剩余头部检测框及所在目标检测框中互遮挡或不完整检测目标的局部可观测区域，获得目标可观测区域的中心和尺度信息；将各帧图像中检测的多目标区域信息建立成观测数据集；步骤四、根据观测数据集获得目标轨迹，计算当前帧每个跟踪轨迹的置信度，依据上一帧置信度的计算结果判断目标对应关系实现跟踪。2.根据权利要求1所述的一种基于迭代滤波和观测判别的多行人跟踪方法，其特征在于，步骤二具体为：计算第3次迭代后保留的新增目标头部灰度直方图与第2次迭代后的头部图像块的平均灰度直方图间的直方图面积重叠率ρ，即二者重叠部分的面积与平均灰度直方图面积的比值；设面积重叠率阈值为θ，若ρ>θ时，则保留该目标头部检测框，该头部检测对应的目标检测区域作为最终检测；若ρ≤θ时，则去除该目标头部检测框，如式(3)所示；其中，i为新增目标头部矩形区域的序号；Q1、Q2分别为第2和3次迭代生成目标头部的总序号，ρt表示当前帧t的直方图面积重叠率。3.根据权利要求1所述的一种基于迭代滤波和观测判别的多行人跟踪方法，其特征在于，面积重叠率阈值θ的取值范围为θ∈[0.6,0.8]。4.根据权利要求1所述的一种基于迭代滤波和观测判别的多行人跟踪方法，其特征在于，步骤三包括，获得目标可观测区域的中心和尺度信息，即当前帧t中行人i的矩形区域中心点坐标和尺度将最终的多目标区域检测信息存储至对应数组单元和以建立多目标观测数据集Ut，如式(4)和(5)所示；其中，N为图像序列的总帧数。5.根据权利要求1所述的一种基于迭代滤波和观测判别的多行人跟踪方法，其特征在于，步骤四中根据观测数据集获得目标轨迹包括：步骤401：根据观测数据集获得目标初始轨迹，设置轨迹置信度初值；依据上一帧置信度值切换不同的轨迹关联方式，跟踪轨迹置信度大于等于轨迹置信等级阈值ε时判定为高置信度轨迹，高置信度轨迹采用局部关联；跟踪轨迹置信度小于判别轨迹置信等级的阈值ε时判定为低置信度轨迹片段，低置信度轨迹片段采用整体关联；当目标被判定离开视场时，取消对应的身份标号；利用置信度模型更新当前帧视场内多目标的跟踪轨迹置信度，根据观测集、连续帧的尺度数据获得多目标矩形区域的尺度信息，并利用卡尔曼滤波法预测目标的矩形区域中心位置信息；步骤402：融合当前与历史观测信息判断是否存在未被关联的孤立检测区域，该区域对应目标为孤立检测目标；将该孤立检测目标与历史帧中的高置信度目标逐一进行分块HSV颜色直方图匹配，计算二者间分块HSV颜色直方图的总KL散度积，若散度积小于设定阈值，则该孤立检测目标为旧目标...

【专利技术属性】
技术研发人员：路红，杨晨，汪木兰，胡云层，花湘，彭俊，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：江苏,32