【技术实现步骤摘要】
基于TSK模糊系统的多目标跟踪方法、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模糊系统的多目标跟踪方法、装置及存储介质。
技术介绍
视频多目标跟踪技术可以简单的理解为：在视频图像序列中，通过算法检测出多个感兴趣的目标，标记其位置得到对应的标签，最终获得目标完整的运动轨迹。基于检测的视频多目标跟踪技术将视频多目标跟踪分为两个方面：一是目标检测，即选用合适的目标检测方法得到感兴趣目标的观测；二是数据关联，即通过数据关联将不同时刻下的观测匹配给正确的目标，从而形成每个目标的运动轨迹。由此，能否进行准确的数据关联对整个目标跟踪结果起着重要的作用。在实际应用中，在进行视频多目标跟踪时，目标的外观特征和动态模型表现出非常强的非线性非高斯特性，从而造成跟踪过程中具有较大的不确定性。目前，通常采用传统的概率方法来所建立的模型来进行数据关联，然而传统概率方法所建立的模型的分类精度和可解释性较低，使得目标与观测的数据关联准确性较低，无法实现视频多目标的准确跟踪。
技术实现思路
本专利技术实施例的主要目的在于提供一种基于TSK模糊系统的多目标跟踪方法、装置及存储...
【技术保护点】
1.一种基于TSK模糊系统的多目标跟踪方法，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，并判断拥有稳定航迹的目标数是否大于0；在所述拥有稳定航迹的目标数大于0时，构建TSK模糊分类器，并将所述观测集输入至所述TSK模糊分类器，得到标签向量矩阵，然后对所述标签向量矩阵进行数据关联；在所述拥有稳定航迹的目标数小于或等于0时，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，并将所述特征相似度输入至TSK模糊模型，得到隶属度矩阵，然后对所述隶属度矩阵进行数据关联；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模糊系统的多目标跟踪方法，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，并判断拥有稳定航迹的目标数是否大于0；在所述拥有稳定航迹的目标数大于0时，构建TSK模糊分类器，并将所述观测集输入至所述TSK模糊分类器，得到标签向量矩阵，然后对所述标签向量矩阵进行数据关联；在所述拥有稳定航迹的目标数小于或等于0时，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，并将所述特征相似度输入至TSK模糊模型，得到隶属度矩阵，然后对所述隶属度矩阵进行数据关联；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，所述构建TSK模糊分类器包括：提取m条稳定航迹的所有运动特征集合，并对所述运动特征集合构建多输出回归数据集；将不同目标划分到不同模糊集，计算所述运动特征集合中各特征相对第k’个模糊规则的模糊隶属度；基于所述多输出回归数据集以及所述模糊隶属度，训练出第j个稳定航迹的TSK模糊分类器的后件参数，并基于所训练得到的后件参数构建TSK模糊分类器。3.如权利要求2所述的多目标跟踪方法，其特征在于，所述TSK模糊分类器表示如下：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，分别为第k条规则的输入变量x’、z’对应的模糊子集，and是模糊连接算子，fk′(u)为每条模糊规则的输出结果，(x’，z’)为运动特征，为运动特征中心向量。4.如权利要求1所述的多目标跟踪方法，其特征在于，所述将所述特征相似度输入至TSK模糊模型，得到隶属度矩阵包括：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得到隶属度矩阵。5.如权利要求4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：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。6.如权利要求1至5中任意一项所述的多目标跟踪方法，其特征在于，所述基于数据关联结果进行轨迹管理包括：从未被关联上的观测对象中确定新...
【专利技术属性】
技术研发人员：李良群，严明月，李小香，刘宗香，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。