【技术实现步骤摘要】
一种半在线机置的多目标跟踪方法
本专利技术涉及一种跟踪方法，具体涉及一种半在线机置的多目标跟踪方法。
技术介绍
多目标追踪方法主要应用于摄像头所拍摄的视频序列中多个人或运动物体的轨迹追踪：在无人车驾驶场景中可以通过安装在无人车内的摄像头所拍摄到的路上行人或其它车辆目标，进行实时轨迹追踪并预测其运动轨迹，以便无人驾驶车辆能根据这些目标的运动实施有效的避让或自动驾驶决策；在多个跨摄像头监控场景中可以根据需求对摄像头中的多个行人进行追踪，通过不同的摄像头抓拍到的视频就可以监控多个行人目标的行走轨迹及定位；在摄像头拍摄的体育运动场景中，如篮球比赛中，通过多目标追踪方法，可以对摄像头拍摄的多个运动员的运行轨迹分别进行追踪，基于追踪的轨迹进行运动员场上动作、行为分析等。多目标跟踪方法还可以应用于军事场景中对敌方舰船、车辆等多个目标进行追踪。当前追踪方法众多，但为了高效追踪，对多目标追踪方法必须进行实时性、准确性等提示与优化。MOT(多目标跟踪)主要可以分成在线MOT和离线MOT，两者的区别是：前者可以随实时帧数往后推移，能够及时...
【技术保护点】
1.一种半在线机置的多目标跟踪方法，其特征在于，根据行人或运动目标视频，通过YOLO-V3检测器，得到行人或运动目标的检测框，在一段时间窗口内，根据检测框之间的位置变化信息，得到卡尔曼序列谱，然后根据卡尔曼序列谱找到一对卡尔曼头，通过外观模型、运动模型与尺寸变化模型的相似度，得到下一帧中要追踪的目标或运动物体的检测框，并使得该目标或运动物体处于该帧内的检查框中，否则表示该目标被跟丢；对相似度高于阈值的检测框，拼接到卡尔曼序列谱中，并更新卡尔曼序列谱中的运动模型和外观模型，追踪下一帧内的行人或运动物体目标。/n
【技术特征摘要】
1.一种半在线机置的多目标跟踪方法，其特征在于，根据行人或运动目标视频，通过YOLO-V3检测器，得到行人或运动目标的检测框，在一段时间窗口内，根据检测框之间的位置变化信息，得到卡尔曼序列谱，然后根据卡尔曼序列谱找到一对卡尔曼头，通过外观模型、运动模型与尺寸变化模型的相似度，得到下一帧中要追踪的目标或运动物体的检测框，并使得该目标或运动物体处于该帧内的检查框中，否则表示该目标被跟丢；对相似度高于阈值的检测框，拼接到卡尔曼序列谱中，并更新卡尔曼序列谱中的运动模型和外观模型，追踪下一帧内的行人或运动物体目标。
2.根据权利要求1所述的一种半在线机置的多目标跟踪方法，其特征在于，外观模型的相似度通过以下过程得到：
在第nth帧视频中，patch的大小固定为[64，128]，存在D个检测框，D个patch，第X个检测框表示为第X个检测框对应的patch为
在nth帧中，对各个检测框所在区域进行crop和resize操作，获得数量等于检测框的固定大小的D个补丁，然后将这D个补丁的像素各自按颜色区间分为若干组，
将分组得到的矩阵结果reshape为一维矢量TsrX，将一维矢量TsrX作为的外观特征的表示向量，从而获得外观模型，并将第X个检测框和第Y条轨迹的外观模型表示为：f(X)和f(Y)；最后，通过向量融合来更新外观模型，表示为外观模型的相似度如下公式(3-1)；
式中：ΛA(X，Y)表示是外观模型的相似度。
3.根据权利要求1所述的一种半在线机置的多目标跟踪方法，其特征在于，运动模型与尺寸变化模型的相似度通过以下过程得到：相邻帧之间的时间差为Δt，在第n帧内的第k个目标为的位置中心坐标为(x，y)，对应坐标的速度向量为对应坐标的加速度向量为该目标对应检测框尺寸为(w，h)，对应尺寸变化速度为变化驱动力为检测器影响因子为α；
第n帧内的第k个目标的运动状态和尺寸状态分别为和运动状态中元素因子间的协方差矩阵尺寸状态中元素因子间的协方差矩阵为根据物理运动定律，得到对下一帧的位置预测方程和尺寸预测方程如下：
即
即
令化简两者迭代状态转移方程及协方差矩阵更新方程为：
以式(3-8)与式(3-9)作为运动模型与尺寸模型的迭代方程，分别进行基于正态分布的卡尔曼滤波器预测，得到对第n+1帧的位置预测信息和尺寸预测信息
对于任意第一段轨迹X和第二段轨迹Y，和分别为从第一轨迹X的头部指向尾部的前向速度矢量和从第二轨迹Y的尾部指向头部的反向速度矢量；代表通过卡尔曼滤波器模拟的运动过程；F(X，...
【专利技术属性】
技术研发人员：刘龙军，金焰明，孙宏滨，郑南宁，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61
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。