基于特征匹配矩陣的多目標(biāo)數(shù)據(jù)關(guān)聯(lián)算法
【專利摘要】本發(fā)明屬于光電【技術(shù)領(lǐng)域】，具體涉及一種基于特征匹配矩陣的多目標(biāo)數(shù)據(jù)關(guān)聯(lián)算法。該方法包括如下步驟：在拍攝設(shè)備靜止?fàn)顟B(tài)下采集當(dāng)前視頻序列圖像；計算t時刻的第j個運動區(qū)域的中心位置與t-1時刻運動目標(biāo)中心位置最近的目標(biāo)，記最近匹配距離為d(i,j)；計算t-1幀和t幀各運動目標(biāo)的相交面積，若t時刻目標(biāo)與當(dāng)前區(qū)域目標(biāo)相交面積大于一定閾值，記相交面積為s(i,j)；當(dāng)中心關(guān)聯(lián)距離和區(qū)域相交面積都大于一定閾值，置匹配矩陣的元素R(i,j)為1；對關(guān)聯(lián)匹配矩陣進行判斷：對于出現(xiàn)新目標(biāo)和理想跟蹤狀態(tài)，通過形心匹配算法進行關(guān)聯(lián)跟蹤；對于目標(biāo)出現(xiàn)合并狀態(tài)，分別保留目標(biāo)合并前的運動信息和顏色信息，進行Kalman濾波和直方圖融合的合并跟蹤。該方法可實現(xiàn)在遮擋情況下的多目標(biāo)數(shù)據(jù)關(guān)聯(lián)。
【專利說明】基于特征匹配矩陣的多目標(biāo)數(shù)據(jù)關(guān)聯(lián)算法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于光電【技術(shù)領(lǐng)域】，具體涉及一種基于特征匹配矩陣的多目標(biāo)數(shù)據(jù)關(guān)聯(lián)算法。
【背景技術(shù)】
[0002]視頻目標(biāo)跟蹤技術(shù)是計算機視覺以及信息融合領(lǐng)域的重要課題，融合了許多領(lǐng)域的先進技術(shù)，如人工智能、圖像處理、模式識別、自動控制等。由于視頻目標(biāo)跟蹤的結(jié)果蘊含了每幀圖像中所檢測到的運動目標(biāo)的大量信息，所以在軍事和民用上有著非常廣泛的應(yīng)用價值。在軍事方面的應(yīng)用包括:軍用跟蹤瞄準(zhǔn)系統(tǒng)；民事方面的應(yīng)用包括:智能視頻監(jiān)控，智能交通監(jiān)控，基于視覺的人機交互系統(tǒng)，以及圖像檢索系統(tǒng)等。
[0003]在海量視頻檢索系統(tǒng)中需要對運動目標(biāo)的信息進行準(zhǔn)確地關(guān)聯(lián)。但是由于視頻場景的復(fù)雜性和多樣性，在對視頻中的運動目標(biāo)進行跟蹤時，當(dāng)單個目標(biāo)出現(xiàn)相互遮擋，多個目標(biāo)融合為一個目標(biāo)組，原目標(biāo)信息可能丟失，從而導(dǎo)致運動目標(biāo)的誤關(guān)聯(lián)。因此如何實現(xiàn)在遮擋情況下的多目標(biāo)數(shù)據(jù)關(guān)聯(lián)是海量視頻檢索系統(tǒng)的難點和關(guān)鍵。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于提供一種基于特征匹配矩陣的多目標(biāo)數(shù)據(jù)關(guān)聯(lián)算法，通過多特征匹配矩陣對運動目標(biāo)的運動狀態(tài)進行判定，并在目標(biāo)合并遮擋情況下，通過Kalman濾波和直方圖相交算法的融合實現(xiàn)多目標(biāo)之間的數(shù)據(jù)關(guān)聯(lián)。
[0005]為達到上述目的，本發(fā)明所采取的技術(shù)方案為:
[0006]一種基于特征匹配矩陣的多目標(biāo)數(shù)據(jù)關(guān)聯(lián)算法，該算法包括如下步驟:
[0007]步驟一:在拍攝設(shè)備靜止?fàn)顟B(tài)下采集當(dāng)前視頻序列圖像；
[0008]設(shè)第t-Ι幀的運動目標(biāo)數(shù)目為M，第t幀中需要關(guān)聯(lián)的運動區(qū)域數(shù)目為N，目標(biāo)集為 Ob = 1bi I i = 1，2，...，M},區(qū)域集為 Fg = {fg」j = I, 2,..., N},則目標(biāo)集 Obi 與區(qū)域集fg]的匹配結(jié)果即為關(guān)聯(lián)匹配矩陣的元素，匹配矩陣的行為t-Ι幀的運動目標(biāo)，列為需要關(guān)聯(lián)的運動區(qū)域數(shù)目，各個匹配元素R(i，j)組成MXN的關(guān)聯(lián)匹配矩陣R ；
[0009]步驟二:計算t時刻的第j個運動區(qū)域的中心位置與t-Ι時刻運動目標(biāo)中心位置距離最近的目標(biāo)，作為該目標(biāo)的延續(xù)，記最近匹配距離為d(i，j)；
[0010]步驟三:計算t-1幀和t幀各運動目標(biāo)的相交面積，若t時刻目標(biāo)與當(dāng)前區(qū)域目標(biāo)相交面積大于一定閾值，表明當(dāng)前目標(biāo)為該目標(biāo)的延續(xù)，記相交面積為S(i，j)；
[0011]步驟四:當(dāng)上述中心關(guān)聯(lián)距離和區(qū)域相交面積都大于一定閾值，則置關(guān)聯(lián)匹配矩陣R的元素R(i，j)為I ;
[0012]步驟五:對關(guān)聯(lián)匹配矩陣R陣進行判斷:
M
[0013]對R每一列fgj，計算該列的和& = [ R(i, j);
/=1
[0014](I )若Cj = 0，表明fgj沒有與其相關(guān)聯(lián)的目標(biāo)，為新增目標(biāo)，令目標(biāo)數(shù)量M = M+1，則為出現(xiàn)新目標(biāo)狀態(tài)；
[0015]( 2 )若Cj = I，則對應(yīng)理想跟蹤狀態(tài)；
[0016](3)若Cj > 1，表明有Cj個目標(biāo)合并為當(dāng)前目標(biāo)fgj，則進入合并預(yù)測跟蹤狀態(tài)；
[0017]步驟六:對于出現(xiàn)新目標(biāo)和理想跟蹤狀態(tài)，通過形心匹配方法進行關(guān)聯(lián)跟蹤；對于目標(biāo)出現(xiàn)合并狀態(tài)，則分別保留目標(biāo)合并前的運動信息和顏色信息，進行Kalman濾波和直方圖融合的合并跟蹤；
[0018]步驟七:對關(guān)聯(lián)匹配矩陣R每一行Obi,計算該行的和
【權(quán)利要求】
1.一種基于特征匹配矩陣的多目標(biāo)數(shù)據(jù)關(guān)聯(lián)算法，其特征在于:該算法包括如下步驟: 步驟一:在拍攝設(shè)備靜止?fàn)顟B(tài)下采集當(dāng)前視頻序列圖像； 設(shè)第t-ι幀的運動目標(biāo)數(shù)目為M，第t幀中需要關(guān)聯(lián)的運動區(qū)域數(shù)目為N，目標(biāo)集為Ob=1bi I i = 1，2，…，M},區(qū)域集為 Fg = {fgjl j = I, 2,..., N},則目標(biāo)集 Obi 與區(qū)域集 fgj的匹配結(jié)果即為關(guān)聯(lián)匹配矩陣的元素，匹配矩陣的行為t-Ι幀的運動目標(biāo)，列為需要關(guān)聯(lián)的運動區(qū)域數(shù)目，各個匹配元素R(i，j)組成MXN的關(guān)聯(lián)匹配矩陣R ; 步驟二:計算t時刻的第j個運動區(qū)域的中心位置與t-Ι時刻運動目標(biāo)中心位置距離最近的目標(biāo)，作為該目標(biāo)的延續(xù)，記最近匹配距離為d(i，j)； 步驟三:計算t-Ι幀和t幀各運動目標(biāo)的相交面積，若t時刻目標(biāo)與當(dāng)前區(qū)域目標(biāo)相交面積大于一定閾值，表明當(dāng)前目標(biāo)為該目標(biāo)的延續(xù)，記相交面積為s(i，j)； 步驟四:當(dāng)上述中心關(guān)聯(lián)距離和區(qū)域相交面積都大于一定閾值，則置關(guān)聯(lián)匹配矩陣R的元素R(i, j)為I ; 步驟五:對關(guān)聯(lián)匹配矩陣R陣進行判斷: 對R每一列fgj，計算該列的和
2.根據(jù)權(quán)利要求1所述的基于特征匹配矩陣的多目標(biāo)數(shù)據(jù)關(guān)聯(lián)算法，其特征在于:所述步驟六進行Kalman濾波和直方圖融合的合并跟蹤的方法如下:在HSV顏色空間得到目標(biāo)顏色直方圖，并利用直方圖相交算法來更新Kalman濾波量測狀態(tài),通過Kalman濾波實現(xiàn)合并狀態(tài)下運動目標(biāo)的最佳線性遞推估計。
【文檔編號】G06F7/20GK103677734SQ201210361601
【公開日】2014年3月26日 申請日期:2012年9月25日 優(yōu)先權(quán)日:2012年9月25日
【發(fā)明者】楊文佳, 王楠, 柴智, 李亞鵬 申請人:中國航天科工集團第二研究院二〇七所