基于TSK模糊模型的多目标跟踪方法、装置及存储介质制造方法及图纸

根据本发明专利技术实施例公开的基于TSK模糊模型的多目标跟踪方法、装置及存储介质，首先检测图像中的运动目标得到观测集，然后提取目标与观测之间特征相似度，并将特征相似度输入至TSK模糊模型，利用模型对特征相似度进行加权融合，得到目标与观测之间的隶属度矩阵，再对隶属度矩阵进行数据关联得到目标和观测的正确关联，最后对目标进行滤波和轨迹管理得到目标的最终轨迹。通过本发明专利技术的实施，利用TSK模糊模型处理目标与观测之间的关联过程，可有效处理数据关联过程中的不确定性，提高了目标跟踪的准确性。

Multi-target tracking method, device and storage medium based on TSK fuzzy model

【技术实现步骤摘要】
基于TSK模糊模型的多目标跟踪方法、装置及存储介质
本专利技术涉及目标跟踪
，尤其涉及一种基于TSK模糊模型的多目标跟踪方法、装置及存储介质。
技术介绍
多目标跟踪是利用传感器所获得的量测，自动地检测出感兴趣的目标，并且对多个目标进行持续和准确的识别、跟踪。在环境复杂的情况下的对多目标进行跟踪，其难点主要在于如何正确的完成目标与观测间的数据关联。目前，在跟踪过程中，目标可能会因为各种因素发生变化，包括目标本身的尺度变化、姿势变化、自身的形变等，同时在复杂环境下，光照的变化、杂波的干扰、背景的突变都会对目标产生影响，造成目标信息具有不确定性，给跟踪带来困难；另外，在目标跟踪过程中，目标可能会被视频帧中的其他物体所遮挡，提取到的目标特征会混入杂波干扰，导致目标部分或者全部信息丢失。并且在真实的视频帧中，新目标的出现、旧目标的消失、以及遮挡导致的目标漏检，使得每一帧的目标数目都是无法预测得到的。这些不确定性因素是导致多目标数据关联模糊的基本原因。而在实际应用中，通常所采用的数据关联法较为传统，如最近邻、联合概率数据关联法、网络流法等，这类方法均为硬判决方法，在关联出现模糊时可靠性下降本文档来自技高网...

【技术保护点】
1.一种基于TSK模糊模型的多目标跟踪方法，其特征在于，包括：对图像中的运动目标进行检测得到观测集；计算目标集中的目标对象与所述观测集中的观测对象之间的特征相似度；将所述特征相似度输入至TSK模糊模型，得到每条模糊规则的输出结果；计算所述每条模糊规则的权重，并基于所述每条模糊规则的权重对所述每条模糊规则的输出结果进行加权平均，得到所述目标对象与所述观测对象之间的隶属度；基于所述隶属度构建隶属度矩阵，并对所述隶属度矩阵进行数据关联，确定所有观测对象与目标对象的关联对；基于数据关联结果进行轨迹管理。

【技术特征摘要】
1.一种基于TSK模糊模型的多目标跟踪方法，其特征在于，包括：对图像中的运动目标进行检测得到观测集；计算目标集中的目标对象与所述观测集中的观测对象之间的特征相似度；将所述特征相似度输入至TSK模糊模型，得到每条模糊规则的输出结果；计算所述每条模糊规则的权重，并基于所述每条模糊规则的权重对所述每条模糊规则的输出结果进行加权平均，得到所述目标对象与所述观测对象之间的隶属度；基于所述隶属度构建隶属度矩阵，并对所述隶属度矩阵进行数据关联，确定所有观测对象与目标对象的关联对；基于数据关联结果进行轨迹管理。2.如权利要求1所述的多目标跟踪方法，其特征在于，所述对图像中的运动目标进行检测得到观测集包括：通过混合高斯背景模型将图像中所有像素划分为前景像素点和背景像素点，得到包含前景和背景的二值图像；所述混合高斯背景模型表示如下：其中，I(x,y,t)表示像素点(x,y)在t时刻的像素值，η表示高斯概率密度函数，μt和σt分别表示像素点(x,y)在t时刻的均值和标准差，k为高斯分布分量个数，wi为第i个高斯分布ηi(I,μt,σt)的权重，o表示输出图像，TP表示概率阈值，在判定概率大于或等于概率阈值时，将I(x,y,t)确定为背景像素点，在判定概率小于概率阈值时，将I(x,y,t)确定为前景像素点；检测所述二值图像中运动的像素，并进行中值滤波及形态学处理，确定运动目标；基于所检测出的运动目标组成观测集。3.如权利要求1所述的多目标跟踪方法，其特征在于，所述计算目标集中的目标对象与所述观测集中的观测对象之间的特征相似度包括：基于特征相似度函数计算目标集中的目标对象与所述观测集中的观测对象之间的特征相似度；所述特征相似度函数包括：其中，x1(oi,zk)表示空间距离特征相似性度量函数，x2(oi,zk)表示几何尺寸特征相似性度量函数，x3(oi,zk)表示运动方向特征相似性度量函数，x4(oi,zk)表示颜色特征相似性度量函数，x5(oi,zk)表示方向梯度特征相似性度量函数，x6(oi,zk)表示纹理特征相似性度量函数；(xo,yo)表示目标对象oi的中心坐标，(xz,yz)表示观测对象zk的中心坐标，ho表示目标对象oi的图像高度，表示空间距离方差常量，hz表示观测对象zk的图像高度，表示几何尺寸方差常量，(x'o，y'o)表示上一时刻目标对象oi的中心坐标，表示上一时刻目标对象oi的速度在图像坐标轴上的投影，表示运动方向方差常量，ρ(·)表示求巴氏系数，Hr(·)表示颜色直方图，表示目标模型方差常量，Hg(·)表示分块梯度方向直方图特征，表示梯度方向方差常量，Hl(·)表示纹理特征直方图，表示纹理特征方差常量。4.如权利要求3所述的多目标跟踪方法，其特征在于，所述TSK模糊模型表示如下：Rk:IFx1isandx2isand…andxdisTHENk＝1,2,…,K；其中，IF部分为规则前件，THEN部分为规则后件,K是模糊规则的数量，是第k条规则的输入变量xd对应的模糊子集，and是模糊连接算子，输入变量x＝[x1,x2,...,xd]T为每条模糊规则的前件变量,d为x的维度，为后件变量，fk(x)为每条模糊规则的输出结果。5.如权利要求4所述的多目标跟踪方...

【专利技术属性】
技术研发人员：李良群，严明月，湛西羊，刘宗香，李小香，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44