基于特征池优化的标签多伯努利视频多目标跟踪方法技术

本发明专利技术公开了一种基于特征池优化的标签多伯努利视频多目标跟踪方法，涉及视频多目标跟踪方法领域，该方法定义与检测置信度相关的新生模型来识别新生目标，并利用特征池来设计新的目标重识别策略，提出新的目标被遮挡后停止模板摄入特征池中的做法，将检测置信度与新生目标的存在概率结合，将低置信度的检测加入到标签多伯努利的滤波中，该方法可以解决现有的视频多目标跟踪算法中难以准确处理新生目标以及目标之间由于遮挡、干扰而导致的跟踪精度下降，目标标签切换频繁等问题，在提高目标识别率的同时避免误检以及漏检，为跟踪提供良好的检测数据。好的检测数据。好的检测数据。

【技术实现步骤摘要】
基于特征池优化的标签多伯努利视频多目标跟踪方法


[0001]本专利技术涉及视频多目标跟踪方法领域，尤其是一种基于特征池优化的标签多伯努利视频多目标跟踪方法。

技术介绍

[0002]在多目标跟踪中，目标是从一系列噪声和杂乱的检测数据中联合估计出运动轨迹个数及其状态。多目标系统与单一目标系统的根本区别在于，由于目标出生和死亡，目标的数目随时间而变化。此外，现有目标可能被检测到，也可能不被检测到，并且检测器还接收一组并非来自任何目标的伪测量(误检测)。因此，在视频的每一帧，检测框有很多，但只有一部分是由目标生成的。多目标跟踪是信号处理的一个已建立的子领域，其应用涉及雷达、声纳、计算机视觉、机器人、细胞生物学、车辆环境感知等多个领域。多目标跟踪的三种主要方法是多假设跟踪(MHT)，联合概率数据关联(JPDA)，和随机有限集(RFS) 框架。MHT及其变化涉及到数据关联假设在时间上的传播，而JPDA方法通过关联概率对个体观测值进行加权。MHT和JPDA是多目标跟踪领域的经典方法。 RFS方法是最新的发展，通过将多目标状态建模为RFS，提供了多目标系统的一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征池优化的标签多伯努利视频多目标跟踪方法，其特征在于，所述方法包括：当第一帧对应的所有检测框加入第一帧的目标轨迹；当k≥2时，将第k帧的n个检测框分别与第k
‑
1帧的m个目标轨迹进行IOU运算，将IOU运算结果满足预设条件的检测框识别为新生目标并放入新生标签多伯努利分量中，并将新生目标的检测框状态作为对应的新生标签多伯努利分量的状态、检测框置信度作为对应的新生标签多伯努利分量的存在概率；将新生目标与特征池中的轨迹历史特征进行特征比较并将相似度最高的轨迹历史特征的标签作为所述新生目标对应的新生标签多伯努利分量的标签；基于第k帧的新生标签多伯努利分量进行标签多伯努利的预测、更新和状态提取，得到第k帧的目标轨迹；在标签多伯努利更新完成后，利用第k帧的新生目标更新所述特征池。2.根据权利要求1所述的方法，其特征在于，所述利用第k帧的新生目标更新所述特征池，包括：在标签多伯努利更新完成后得到每个轨迹目标框的目标位置参数(x,y,w,h,l)，其中(x,y)表示轨迹目标框的左上角坐标，w表示轨迹目标框的宽度，h表示轨迹目标框的高度，l表示轨迹目标框的标签；对于任意一个轨迹目标框，若当前帧存在检测框与所述轨迹目标框匹配关联，则对所述轨迹目标框进行特征提取，并将所述轨迹目标框的包含标签的特征加入所述特征池中的作为轨迹历史特征。3.根据权利要求2所述的方法，其特征在于，所述特征池中的轨迹历史特征的数量不超过特征数阈值，则若直接将所述轨迹目标框的包含标签的特征加入所述特征池中时使得所述特征池中的轨迹历史特征的数量超出所述特征数阈值，则按照先入先出的顺序利用所述轨迹目标框的包含标签的特征替换已有的轨迹历史特征更新所述特征池。4.根据权利要求1所述的方法，其特征在于，所述将IOU运算结果满足预设条件的检测框识别为新生目标并放入新生标签多伯努利分量中，包括：若第k帧的任意第p个检测框与第k
‑
1帧的m个目标轨迹分别进行IOU运算得到的IOU运算结果均小于预定阈值，则将所述第p个检测框识别为新生目标并放入新生标签多伯努利分量中。5.根据权利要求1所述的方法，其特征在于，所述将新生目标与特征池中的轨迹历史特征进行特征比较，包括：通过LOMO特征提取算法对所述新生目标的空间状态(x,y,w,h)进行特征提取得到新生目标特征，其中(x,y)表示新生目标的左上角坐标，w表示新生目标的宽度，h表示新生目标的高度；分别计算所述新生目标的新生目标特征f与所述特征池中各个轨迹历史特征p的马氏距离∑
‑1表示XQDA矩阵学习出的正交矩阵；将与所述新生目标的新生目标特征的马氏距离最小的轨迹历史特征作为与所述新生
目标相似度最高的轨迹历史特征。6.根据权利要求1
‑
5任一所述的方法，其特征在于，利用高斯混合来对标签多伯努利滤波进行求解，标签多伯努利随机集由多个标签伯努利随机集组成并表示为{(r
i
,p
i
(
·
),L
i
)}
i
，在k时刻的第k帧识别出新生目标后，利用标签多伯努利对新生目标进行建模为r表示存在概率，p(
·
)表示概率密度函数，i表示标签多伯努利分量的标号，为状态标签且α
k
(i)为k时刻的新生目标i的标签，目标的标签在预测与更新过程中不变。7.根据权利要求6所述的方法，其特征在于，参数初始化为视频总帧数为N、高斯分量最大值为L
max
、目标存活概率为0.99；记k时刻的第k帧的每一个轨迹目标框的目标状态密度为x
k
且包含其中(x,y)表示轨迹目标框的左上角坐标，w表示轨迹目标框的宽度，h表示轨迹目标框的高度；表示轨迹目标框的左上角坐标在x方向的变化率，表示轨迹目标框的左上角坐标在y方向的变化率，表示轨迹目标框的宽度的变化率，表示轨迹目标框的高度的变化率；则k时刻的标签多伯努利的预测表示为：其中，表示标...

【专利技术属性】
技术研发人员：张媛，蒋凌云，杨金龙，周华，丁杰，吴震，
申请(专利权)人：江苏省特种设备安全监督检验研究院，
类型：发明
国别省市：