一種基于全局約束的多目標跟蹤方法和系統(tǒng)的制作方法
【專利摘要】本申請公開了一種基于全局約束的多目標跟蹤方法和系統(tǒng)，包括，建立前景列表：對前景圖像進行形態(tài)學(xué)處理和連通域分析，獲取前景目標，并根據(jù)前景目標建立前景列表；建立跟蹤列表：通過搜索模型S的極大值，模型S包括檢測模型W和幾何約束ε，獲取當前幀跟蹤目標，并根據(jù)當前幀跟蹤目標建立跟蹤列表；獲取新跟蹤目標：將前景列表的目標融合于跟蹤列表中，兩列表中不重疊的目標作為新跟蹤目標，將新跟蹤目標加入跟蹤列表內(nèi)；更新多目標跟蹤模型：利用正負樣本初始化跟蹤列表的新跟蹤目標的檢測模型W和更新已有的跟蹤目標的檢測模型W，并更新跟蹤目標之間幾何約束ε；通過幾何約束ε和檢測模型W相結(jié)合的方式跟蹤，使得本申請的跟蹤方法更加穩(wěn)定。
【專利說明】一種基于全局約束的多目標跟蹤方法和系統(tǒng)

【技術(shù)領(lǐng)域】
[0001] 本申請涉及智能視頻監(jiān)控領(lǐng)域，具體涉及一種基于全局約束的多目標跟蹤方法和 系統(tǒng)。

【背景技術(shù)】
[0002] 基于視頻序列完成多目標的檢測與正確識別跟蹤是機器視覺領(lǐng)域的一個重要研 究課題，它在智能視頻安全監(jiān)控領(lǐng)域、醫(yī)學(xué)智能分析等領(lǐng)域都發(fā)揮著舉足輕重的作用，目前 對多目標跟蹤的研究已成為熱點，但現(xiàn)有的多目標跟蹤僅僅是多個單目標跟蹤的疊加。


【發(fā)明內(nèi)容】

[0003] 本申請?zhí)峁┮环N基于全局約束的多目標跟蹤方法和系統(tǒng)。
[0004] 根據(jù)本申請的第一方面，本申請?zhí)峁┮环N基于全局約束的多目標跟蹤方法，包 括：
[0005] 建立前景列表：對前景圖像進行形態(tài)學(xué)處理和連通域分析，獲取前景目標，并根據(jù) 所述前景目標建立前景列表；
[0006] 建立跟蹤列表：通過搜索模型S的極大值，模型S包括檢測模型W和幾何約束ε， 獲取當前幀跟蹤目標，并根據(jù)當前幀跟蹤目標建立跟蹤列表；
[0007] 獲取新跟蹤目標：將前景列表的目標融合于跟蹤列表中，并將前景列表與跟蹤列 表不重疊的目標作為新跟蹤目標，并將新跟蹤目標加入跟蹤列表內(nèi)；
[0008] 更新多目標跟蹤模型：利用正負樣本初始化所述跟蹤列表的新跟蹤目標的檢測模 型W，更新所述跟蹤列表中已有的跟蹤目標的檢測模型W，并更新跟蹤目標之間的幾何約束 ε 〇
[0009] 根據(jù)本申請的第二方面，本申請?zhí)峁┮环N基于全局約束的多目標跟蹤系統(tǒng)，包括 前景檢測模塊、多目標跟蹤模塊、目標融合模塊和在線學(xué)習模塊；
[0010] 前景檢測模塊用于對前景圖像進行形態(tài)學(xué)處理和連通域分析，獲取前景目標，并 根據(jù)前景目標建立前景列表；
[0011] 多目標跟蹤模塊用于通過搜索模型S的極大值，模型S包括檢測模型W和幾何約 束ε，獲取當前幀跟蹤目標，并根據(jù)當前幀跟蹤目標建立跟蹤列表；
[0012] 目標融合模塊用于將前景列表的目標融合于跟蹤列表中，并將前景列表與跟蹤列 表不重疊的目標作為新跟蹤目標，并將新跟蹤目標加入跟蹤列表內(nèi)；
[0013] 在線學(xué)習模塊用于利用正負樣本初始化跟蹤列表的新跟蹤目標的檢測模型W，更 新跟蹤列表中已有的跟蹤目標的檢測模型W，并更新跟蹤目標之間的幾何約束ε。
[0014] 本申請的有益效果是：本申請?zhí)峁┑幕谌旨s束的多目標跟蹤方法通過檢測模 型W和幾何約束ε相結(jié)合對各個跟蹤目標進行快速跟蹤，同時，利用目標之間的幾何約束 關(guān)系對各個目標跟蹤的結(jié)果進行全局約束，并通過更新檢測模型W，從而使得本申請?zhí)峁┑?多目標跟蹤方法更加穩(wěn)定。

【專利附圖】

【附圖說明】
[0015] 圖1為本申請多目標跟蹤方法流程圖；
[0016] 圖2為本申請建立跟蹤列表流程圖；
[0017] 圖3為本申請多目標跟蹤過程中微搜索的示意圖；
[0018] 圖4為本申請多目標跟蹤過程的示意圖。

【具體實施方式】
[0019] 下面通過【具體實施方式】結(jié)合附圖對本發(fā)明作進一步詳細說明。
[0020] 如圖1所示，本例提供的基于全局約束的多目標跟蹤方法包括如下步驟：
[0021] SlO :建立前景列表D。
[0022] 本步驟具體包括：利用ViBe建立背景模型，獲得前景圖像；對前景圖像進行形態(tài) 學(xué)處理和連通域分析，獲取前景目標，并根據(jù)前景目標建立前景列表；該前景目標具體為每 個連通域的位置和大小的信息，并用RT表示該位置和大小信息，如前景列表用D表示，則η 個前景目標放入前景列表D內(nèi)，表示為：D= {RT1，RT2，"^RTnU
[0023] S20 :建立跟蹤列表T。
[0024] 通過搜索模型S的極大值，模型S包括檢測模型W和幾何約束ε，獲 取當前幀跟蹤目標，并根據(jù)當前幀跟蹤目標建立跟蹤列表，其中，檢測模型W采 用在線SVM，幾何約束ε采用目標之間的相對位移，本例的模型S的表達式為：

【權(quán)利要求】
1. 一種基于全局約束的多目標跟蹤方法，其特征在于，包括： 建立前景列表：對前景圖像進行形態(tài)學(xué)處理和連通域分析，獲取前景目標，并根據(jù)所述 前景目標建立前景列表； 建立跟蹤列表：通過搜索模型S的極大值，所述模型S包括檢測模型W和幾何約束ε， 獲取當前幀跟蹤目標，并根據(jù)所述當前幀跟蹤目標建立跟蹤列表； 獲取新跟蹤目標：將所述前景列表的目標融合于所述跟蹤列表中，并將所述前景列表 與所述跟蹤列表不重疊的目標作為新跟蹤目標，并將所述新跟蹤目標加入所述跟蹤列表 內(nèi)； 更新多目標跟蹤模型：利用正負樣本初始化所述跟蹤列表的新跟蹤目標的檢測模型 W，更新所述跟蹤列表中已有的跟蹤目標的檢測模型W，并更新跟蹤目標之間的幾何約束 ε 〇
2. 如權(quán)利要求1所述的方法，其特征在于，所述建立跟蹤列表包括步驟： 根據(jù)所述幾何約束ε搜索：保持所述幾何約束ε不變，搜索模型S的極大值，并得到 當前幀各個跟蹤目標的預(yù)測位置； 根據(jù)所述模型S搜索：根據(jù)所述預(yù)測位置，利用各個跟蹤目標的檢測模型W以及幾何模 型ε聯(lián)合搜索，根據(jù)所述聯(lián)合搜索確定模型S的聯(lián)合搜索極大值Si; 確認模型S是否收斂：根據(jù)連續(xù)兩次所述聯(lián)合搜索極大值Si和Si-1，計算其殘差值 S S，若δ S的值小于設(shè)定的閾值S0,則所述模型S收斂，所述預(yù)測位置即是當前幀跟蹤目標 的精確位置； 建立跟蹤列表：將所述當前幀跟蹤目標的精確位置放入跟蹤列表內(nèi)。
3. 如權(quán)利要求1所述的方法，其特征在于，所述獲取新跟蹤目標還包括步驟：計算所述 前景列表和跟蹤列表內(nèi)目標之間的重疊率lap，若lap>lapO,所述lapO為預(yù)設(shè)值，則所述前 景列表內(nèi)目標與所述跟蹤列表內(nèi)目標重疊，否則，為不重疊目標，并將所述不重疊目標作為 所述新跟蹤目標。
4. 如權(quán)利要求2所述的方法，其特征在于，所述更新多目標跟蹤模型包括步驟： 在距離目標所在區(qū)域rO的范圍內(nèi)采集正樣本，在距離目標rl到r2的范圍內(nèi)采集負樣 本，所述rO、rl和r2為預(yù)設(shè)值，且r0〈rl〈r2 ; 利用所述正負樣本初始化所述跟蹤列表內(nèi)的新跟蹤目標的檢測模型W，更新所述跟蹤 列表內(nèi)已有的跟蹤目標的檢測模型W ; 計算當前幀與前一幀的任意兩對目標的位移Vi，\的向量差，根據(jù)所述向量差估計下 一幀的幾何約束ε，并更新所述幾何約束ε。
5. 如權(quán)利要求2所述的方法，其特征在于，所述檢測模型W為在線SVM，所述幾何約束 ε為估計位移差向量。
6. -種基于全局約束的多目標跟蹤系統(tǒng)，其特征在于，包括前景檢測模塊、多目標跟蹤 模塊、目標融合模塊和在線學(xué)習模塊； 所述前景檢測模塊用于對前景圖像進行形態(tài)學(xué)處理和連通域分析，獲取前景目標，并 根據(jù)所述前景目標建立前景列表； 所述多目標跟蹤模塊用于通過搜索模型S的極大值，所述模型S包括檢測模型W和幾 何約束ε，獲取當前幀跟蹤目標，并根據(jù)所述當前幀跟蹤目標建立跟蹤列表； 所述目標融合模塊用于將所述前景列表的目標融合于所述跟蹤列表中，并將所述前景 列表與所述跟蹤列表不重疊的目標作為新跟蹤目標，并將所述新跟蹤目標加入所述跟蹤列 表內(nèi)； 所述在線學(xué)習模塊用于利用正負樣本初始化所述跟蹤列表的新跟蹤目標的檢測模型 W，更新所述跟蹤列表中已有的跟蹤目標的檢測模型W，并更新跟蹤目標之間的幾何約束 ε 〇
7. 如權(quán)利要求6所述的多目標跟蹤系統(tǒng)，其特征在于，所述建立跟蹤列表包括： 根據(jù)所述幾何約束ε搜索：保持所述幾何約束ε不變，搜索模型S的極大值，并得到 當前幀各個跟蹤目標的預(yù)測位置； 根據(jù)所述模型S搜索：根據(jù)所述預(yù)測位置，利用各個跟蹤目標的檢測模型W以及幾何模 型ε聯(lián)合搜索，根據(jù)所述聯(lián)合搜索確定模型S的聯(lián)合搜索極大值Si; 確認模型S是否收斂：根據(jù)連續(xù)兩次所述聯(lián)合搜索極大值Si和Si-1，計算其殘差值 δ Si，若δ Si小于設(shè)定的閾值S0,則收斂，所述預(yù)測位置即是當前幀跟蹤目標的精確位置； 建立跟蹤列表：將所述當前幀跟蹤目標的精確位置放入跟蹤列表內(nèi)。
8. 如權(quán)利要求6所述的多目標跟蹤系統(tǒng)，其特征在于，獲取所述新跟蹤目標包括：計算 所述前景列表和跟蹤列表內(nèi)目標之間的重疊率lap，若lap>lapO,所述lapO為預(yù)設(shè)值，則所 述前景列表內(nèi)目標與所述跟蹤列表內(nèi)目標重疊，否則，為不重疊目標，并將所述不重疊目標 作為所述新跟蹤目標。
9. 如權(quán)利要求7所述的多目標跟蹤系統(tǒng)，其特征在于，更新所述檢測模型W和所述幾何 約束ε包括： 在距離目標所在區(qū)域rO的范圍內(nèi)采集正樣本，在距離目標rl到r2的范圍內(nèi)采集負樣 本，所述rO、rl和r2為預(yù)設(shè)值，且r0〈rl〈r2 ; 利用所述正負樣本初始化所述跟蹤列表內(nèi)的新跟蹤目標的檢測模型W，并更新所述跟 蹤列表內(nèi)已有的跟蹤目標的檢測|旲型W ; 計算當前幀與前一幀的任意兩對目標的位移Vi，\向量差，根據(jù)所述向量差估計下一 幀的幾何約束ε，并更新所述幾何約束ε。
【文檔編號】G06T7/20GK104240265SQ201410440637
【公開日】2014年12月24日 申請日期:2014年9月1日 優(yōu)先權(quán)日:2014年9月1日
【發(fā)明者】廖振生, 樊嬋, 靳強 申請人:深圳市華尊科技有限公司