【技术实现步骤摘要】
本专利技术属于图像识别，尤其涉及一种多特征融合的行人跟踪方法。
技术介绍
1、行人跟踪是目标跟踪中的一种特定目标跟踪方式，在进行行人跟踪时，现有的算法往往仅采用目标在图像中的外观特征，通过将目标在图像中外观特征转换为一个特征向量，通过对特征向量的相似度比较来区分或判别来关联当前帧图像和上一帧图像中的同一目标，但在一幅图像中的多个目标的外观特征相似且行动轨迹发生交叉时，此时就很难区分两个目标是否是同一个目标。
2、因此为了解决行人轨迹识别的技术问题，在专利技术专利cn202011333900.x《一种基于深度学习的跨摄像头行人多目标跟踪方法和装置》中通过提取行人人脸特征和步态特征，并对多种特征进行特征融合或者匹配，从而实现对行人的移动轨迹识别，但是却存在以下技术问题：
3、在单一的摄像装置中的不同的视频帧中若没有类似外观的行人的移动轨迹存在交叉，由于不同的行人之间的空间位置存在一定程度的差异，此时若采用多特征的行人轨迹识别方法，则会导致识别的效率难以满足要求。
4、当具有类似外观的行为的移动轨迹存在交叉的前提下，由于不同的行文的步态特征、外观特征以及身体特征等特征的相似度和可靠性不尽相同，若不能根据相似性和可靠性进行特征的筛选，则无法实现对不同的行人的移动轨迹的准确识别。
5、针对上述技术问题，本专利技术提供了一种多特征融合的行人跟踪方法。
技术实现思路
1、为实现本专利技术目的，本专利技术采用如下技术方案：
2、根据本专利
3、一种多特征融合的行人跟踪方法，其特征在于，具体包括：
4、s1根据监控图像的分析结果进行行人目标的外观图像特征的相似度小于预设相似度的行人目标的确定，并将其作为相似行人目标；
5、s2通过相似行人目标的空间坐标的偏差量小于预设偏差量的图像帧数量以及不同图像帧的空间坐标的偏差量、相似行人目标的相似度进行所述相似行人目标的识别偏差概率的确定，将识别偏差概率小于预设概率的相似相认目标作为二次识别目标；
6、s3将所述二次识别目标的空间坐标的偏差量小于预设偏差量的图像帧作为交叉图像帧，并根据交叉图像帧的不同的识别特征的相似度、识别准确率进行不同的识别特征的识别可靠性的确定，并根据所述识别可靠性进行可用特征的确定；
7、s4通过二次识别目标的空间坐标的偏差量进行可信图像帧以及可信度的确定，并根据可信图像帧的可信度以及不同的可用特征的相似度确定所述可用特征的特异评估值以及特异特征，并采用交叉图像帧的不同的特异特征以及特异评估值对所述二次识别目标进行识别。
8、本专利技术的有益效果在于：
9、1、通过进行相似行人目标的识别偏差概率的确定，实现了从空间坐标的偏差量较小导致的识别偏差以及相似行人目标的相似度两个角度对识别偏差概率的确定，从而实现了对容易被混淆或者错误识别的相似行人目标的确定，既保证了识别偏差概率较低的用户的轨迹识别效率，同时也保证了识别偏差概率较高的用户的轨迹识别的准确性。
10、2、通过根据交叉图像帧的不同的识别特征的相似度、识别准确率进行不同的识别特征的识别可靠性的确定，从不同的识别特征的相似情况以及由于遮挡或者像素较少导致的识别准确率较低两个角度对识别特征进行筛选，避免采用多种的可靠性不足的识别特征导致的二次识别目标的辨识结果不够准确的技术问题的出现。
11、3、通过根据可信图像帧的可信度以及不同的可用特征的相似度确定所述可用特征的特异评估值以及特异特征，既考虑到不同的可信图像帧由于空间坐标的偏差较小导致的二次识别目标的识别结果存在偏差的技术问题，同时还考虑到不同的可用特征在可信图像帧中的差异，实现了对可用图像帧的降维处理，提升了识别结果的效率和准确性。
12、进一步的技术方案在于，所述外观图像特征根据所述行人目标的图像大小、图像侧影轮廓、图像颜色、图像紧密度和图像深度中的任意一个或者多个图像特征进行确定。
13、进一步的技术方案在于，所述预设相似度根据所述监控图像的图像帧数量以及图像帧中的行人目标的数量进行确定，其中所述监控图像的图像帧数量越多、图像帧中的行人目标的数量越多，则所述预设相似度越低。
14、进一步的技术方案在于，所述预设空间偏差量小于预设偏差量，其中所述预设空间偏差量以及预设偏差量根据所述监控图像的图像帧的像素数量和图像面积进行确定。
15、进一步的技术方案在于，所述相似行人目标的识别偏差概率的取值范围在0到1之间，其中当所述识别偏差概率越大，则所述相似行人目标的识别存在偏差的概率越大。
16、进一步的技术方案在于，所述识别特征包括人脸特征、步态特征、外观特征、全局光流特征、hog图像特征、sift图像特征。
17、进一步的技术方案在于，所述可信图像帧确定的方法为：
18、将所述图像帧中的二次识别目标的空间坐标的偏差量作为所述图像帧的可信度，并将可信度满足要求的图像帧作为可信图像帧。
19、进一步的技术方案在于，采用交叉图像帧的不同的特异特征以及特异评估值对所述二次识别目标进行识别，具体包括：
20、通过所述交叉图像帧的不同的特异特征的特异评估值对特异特征进行加权处理得到融合特征，并根据所述融合特征，采用基于svm算法的分类模型进行所述二次识别目标的识别结果的确定。
21、另一方面，本专利技术提供了一种计算机系统，包括：通信连接的存储器和处理器，以及存储在所述存储器上并能够在所述处理器上运行的计算机程序，其特征在于：所述处理器运行所述计算机程序时执行上述的一种多特征融合的行人跟踪方法。
22、另一方面，本申请实施例中提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种多特征融合的行人跟踪方法。
23、其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
24、为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
本文档来自技高网...【技术保护点】
1.一种多特征融合的行人跟踪方法，其特征在于，具体包括：
2.如权利要求1所述的多特征融合的行人跟踪方法，其特征在于，所述外观图像特征根据所述行人目标的图像大小、图像侧影轮廓、图像颜色、图像紧密度和图像深度中的任意一个或者多个图像特征进行确定。
3.如权利要求1所述的多特征融合的行人跟踪方法，其特征在于，所述预设相似度根据所述监控图像的图像帧数量以及图像帧中的行人目标的数量进行确定，其中所述监控图像的图像帧数量越多、图像帧中的行人目标的数量越多，则所述预设相似度越低。
4.如权利要求1所述的多特征融合的行人跟踪方法，其特征在于，所述相似行人目标的识别偏差概率的确定的方法为：
5.如权利要求1所述的多特征融合的行人跟踪方法，其特征在于，所述预设空间偏差量小于预设偏差量，其中所述预设空间偏差量以及预设偏差量根据所述监控图像的图像帧的像素数量和图像面积进行确定。
6.如权利要求1所述的多特征融合的行人跟踪方法，其特征在于，所述识别特征包括人脸特征、步态特征、外观特征、全局光流特征、HOG图像特征、SIFT图像特征。
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。