【技术实现步骤摘要】
基于卡尔曼预测的多目标跟踪方法
[0001]本专利技术涉及目标跟踪检测
，具体涉及一种基于卡尔曼预测的多目标跟踪方法。
技术介绍
[0002]视频分析
中，多目标跟踪指对多个目标如人体、汽车等在视频帧图像中出现的位置进行持续的跟踪检测。现有技术中，通常采用卡尔曼预测模型统计分析各目标在帧间的线性变化关系来预测目标在下一帧出现的位置信息（位置信息包括如用于框选目标的矩形框的长、宽、中心位点坐标、运动方向、运动速度等）。相比较其他现有的目标跟踪预测技术，卡尔曼预测模型具有以下优点：当目标的轨迹数据无噪声点时预测效果较好，特别是在短时间内（一步或两步内）的预测性能比较稳定。不足之处在于：（1）如果目标在连续多帧丢失的情况下，由于数据噪声增加，预测误差随噪声增加而放大；（2）一些多目标跟踪检测场景中，帧与帧之间的时间间隔是不固定的，即帧间时间间隔非线性，卡尔曼预测模型对非线性时间间隔的视频帧数据的运动目标跟踪检测的效果不太理想，预测误差也较大。
技术实现思路
[0003]本专利技术以提高卡尔曼预测模型在噪声数据较大和/或帧间间隔时间非线性场景下的多目标跟踪精度为目的，提供了一种基于卡尔曼预测的多目标跟踪方法。
[0004]为达此目的，本专利技术采用以下技术方案：提供一种基于卡尔曼预测的多目标跟踪方法，步骤包括：S1，获取至少两帧具有不同时间戳的数据帧；S2，判断获取的所述数据帧的数量是否等于2，若是，则利用第一策略更新用于跟踪对应目标的卡尔曼预测模型的模型参数；若否，则利用第二策略更新用于...
【技术保护点】
【技术特征摘要】
1.一种基于卡尔曼预测的多目标跟踪方法，其特征在于，步骤包括：S1，获取至少两帧具有不同时间戳的数据帧；S2，判断获取的所述数据帧的数量是否等于2，若是，则利用第一策略更新用于跟踪对应目标的卡尔曼预测模型的模型参数；若否，则利用第二策略更新用于跟踪对应的所述目标的所述卡尔曼预测模型的模型参数；S3，利用参数更新后的所述卡尔曼预测模型对所述目标是否出现在下一帧进行预测。2.根据权利要求1所述的基于卡尔曼预测的多目标跟踪方法，其特征在于，当步骤S1获取的所述数据帧的数量为等于两帧时，更新用于跟踪对应的所述目标的所述卡尔曼预测模型的模型参数的所述第一策略包括步骤：A1，检测时刻的数据帧中的目标添加到检测目标集中，时刻中的数据内容表达为：，、分别表示在中检测到的第个目标和目标总数；A2，为中的每个目标创建对应的轨迹信息加入到轨迹容器中，并置每个所述轨迹信息中的轨迹点数量为“1”，时刻中的数据内容表达为：表达为：表示为第个所述目标创建的轨迹信息，；A3，以中的所述轨迹信息为对应的所述卡尔曼预测模型的模型参数赋值依据，赋予每个所述卡尔曼预测模型的参数初始值；A4，检测时刻的数据帧中的每个目标以更新所述检测目标集，时刻更新后的中的数据内容表达为：，、分别表示更新后的中的第个目标和目标总数；并对在时刻检测到的在时刻同样被检测到的目标的位置检测值作为新增的轨迹点加入到时刻创建的对应的轨迹信息中；并对时刻检测到而在时刻未检测到目标，利用步骤A3中已赋予模型参数初始值的专用于检测该目标的所述卡尔曼预测模型预测其在时刻的位置，记为作为其在时刻的位置真实值加入到位置真实值集合中；A5，对中的每个位置真实值与步骤A4更新得到的中的每个目标对应的位置检测值进行匹配，若匹配成功，则将匹配到的记为的目标对应的所述位置检测值作为新增轨迹点加入到时刻为其创建的对应的记为的轨迹信息中，并对中的记为的轨迹点数量累加“1”，并以目标对应的
所述位置检测值作为其专用的所述卡尔曼预测模型的观测变量以更新其模型参数；若匹配失败，则以轨迹信息中记载的所述目标在中的位置检测值作为其专用的所述卡尔曼预测模型的观测变量更新其模型参数，并将所述目标的所述轨迹信息中的轨迹点数量置0。3.根据权利要求2所述的基于尔曼预测的多目标跟踪方法，其特征在于，当步骤S1获取的所述数据帧的数量为大于
ꢀ“
2”时，更新用于跟踪对应的所述目标的每个所述卡尔曼预测模型的模型参数的所述第二策略在所述第一策略的基础上还包括步骤：A6，检测时刻的数据帧中的每个目标以更新所述目标集中，时刻更新后的中的数据内容表达为：中的数据内容表达为：、分别表示在中检测到的第个目标和目标总数，；并对中在时刻、时刻均检测到过位置，和/或在时刻、时刻均检测到过位置，和/或在时刻、时刻、时刻均检测到过位置的同个目标在时刻检测到的位置检测值作为新增的轨迹点加入到时刻为该目标创建的对应的轨迹信息中，并...
【专利技术属性】
技术研发人员：满庆奎，胡畅，刘静，李冠华，
申请(专利权)人：杭州云栖智慧视通科技有限公司，
类型：发明
国别省市：
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。