一種圖像序列多目標跟蹤軌跡識別處理方法
【專利摘要】本發明公開了一種圖像序列多目標跟蹤軌跡識別處理方法。針對攝像機實時監控應用環境下，基于數據關聯進行多目標跟蹤中的目標軌跡發生分離時，提出了識別判斷機制與處理方法，屬于安防監控【技術領域】。本方法首先判斷目標軌跡是否需要分離，然后對需要分離的目標軌跡進行處理，最后對分離后的目標軌跡正確進行標定。本發明有效地處理了數據關聯多目標實時跟蹤中的軌跡分離問題，且運算效率高。
【專利說明】一種圖像序列多目標跟蹤軌跡識別處理方法
【技術領域】
[0001]本發明提出一種圖像序列多目標跟蹤軌跡識別處理方法，具體涉及特征提取、數據關聯以及多目標跟蹤技術，屬于視頻監控及計算機視覺【技術領域】。
【背景技術】
[0002]近年來，隨著安防監控系統的不斷發展，視頻監控技術在社會生活中的應用日趨廣泛，在公共安全、智能交通、工業過程等方面對監控系統的要求更不斷地增加。多目標跟蹤是智能視頻監控中的核心功能，系統通過跟蹤得到目標軌跡，從而進一步分析目標運動行為，為智能化監控提供可靠支持。
[0003]在視頻監控場景下，基于數據關聯的多目標跟蹤方法會提前設定各目標軌跡是否允許發生交叉或重疊。據此，可將數據關聯多目標跟蹤分為限定非重疊約束的跟蹤方法和未限定非重疊約束的跟蹤方法。
[0004]限定非重疊約束的跟蹤方法要求每一個目標檢測結果只可唯一的屬于一個目標的運動軌跡，因此，該類方法要求圖像檢測算法能夠將距離非常近的兩個目標區分開，一般的檢測算法往往很難滿足要求，而且其帶來的目標遮擋問題也極大的影響了目標跟蹤的精確度。而未限定非重疊約束的跟蹤方法允許系統將距離相近的兩個目標檢測為一個目標，其在降低了對圖像目標檢測算法要求的同時，也內在的解決了目標遮擋問題，但該類方法存在如何處理目標軌跡分離以及避免發生身份轉換等困難，從而影響到了目標跟蹤精確度的提升。
【發明內容】
[0005]針對上述未限定非重疊約束的跟蹤方法存在的缺陷，基于攝像機監控環境下獲取多目標實時軌跡的需求，本發明提出了圖像序列多目標跟蹤軌跡識別處理方法，可以有效地解決多目標實時跟蹤中的目標軌跡分離問題。
[0006]本發明所采用的技術方案為:
[0007]一種圖像序列多目標跟蹤軌跡識別處理方法，包括下列步驟:
[0008]步驟1)，計算可能與當前軌跡相配對的各個圖像幀目標的關聯度值，設置用于排除關聯度較小的幀目標的第一閾值，篩選出關聯度值大于第一閾值的幀目標，并將其按關聯度從大到小進行排序；
[0009]步驟2)，設置用于比較各幀目標關聯度之間差距的第二閾值，將排序隊列中前兩個幀目標的關聯度值分別與各幀目標的關聯度值作差，如果前兩個幀目標與其余幀目標的關聯度差值均大于第二閾值、且前兩個幀目標之間的關聯度差值小于第二閾值，執行步驟
3);否則，保持原軌跡不變，結束本次處理；
[0010]步驟3)，建立臨時分離點，將當前軌跡分離成兩段臨時軌跡，根據數據關聯匹配算法，在隨后的連續3幀圖像中分別對兩段臨時軌跡進行配對，若3幀配對中兩段臨時軌跡均能得到符合要求的最佳匹配結果，將臨時分離點和臨時軌跡確定為實際分離點和實際軌跡，執行步驟4);否則撤銷臨時分離點及臨時軌跡，選擇排序隊列中的第一個幀目標作為本次匹配的最佳結果，結束本次處理；
[0011]步驟4)，判斷分離前的軌跡是否由兩條軌跡合并而來，如果是，執行步驟5)，否則對分離后的兩段軌跡進行標定，結束本次處理；
[0012]步驟5)，在合并前的兩段軌跡中查找最靠近合并點的兩個幀目標，在分離后的兩段軌跡中查找最靠近分離點的兩個幀目標；
[0013]步驟6)，求取這四個幀目標的顏色直方圖，將合并前幀目標的顏色直方圖分別與分離后幀目標的顏色直方圖組合后，計算出四組顏色直方圖的巴氏距離；
[0014]步驟7)，比較各巴氏距離值，選出其中的最小值，將其對應的兩段軌跡識別為同一目標軌跡，剩下的兩段軌跡識別為另一目標軌跡；
[0015]步驟8)，依照上述目標識別結果，分別對分離后兩段軌跡進行標定，結束本次處理。
[0016]本發明有效地解決了未限定非重疊約束條件下，基于數據關聯的多目標實時跟蹤中目標軌跡發生分離的問題，同時設計了基于幀目標顏色直方圖巴氏距離值的方法，以規避軌跡合并的兩目標在重新分離時軌跡發生身份轉換，從而為多目標軌跡形成提供了保障，提聞了多目標實時跟蹤的精確度。
【專利附圖】
【附圖說明】
[0017]圖1是本發明方法流程圖；
[0018]圖2是目標軌跡身份轉換示意圖。
【具體實施方式】
[0019]本發明涉及一種圖像序列多目標跟蹤軌跡識別處理方法，針對攝像機實時監控應用環境下，基于數據關聯進行多目標跟蹤中的目標軌跡發生分離時，提出了識別判斷機制與處理方法。本方法首先判斷目標軌跡是否需要分離，然后對需要分離的目標軌跡進行處理，最后對分離后的目標軌跡正確進行標定，以規避軌跡合并的兩目標在重新分離時軌跡發生身份轉換。
[0020]本發明方法的【具體實施方式】主要包括目標軌跡分離過程和分離后軌跡的正確編號過程兩部分，本發明方法總體流程如圖1所示，下面結合具體實施例，進一步闡明本發明。
[0021]在攝像機實時監控環境下，當兩個實際目標距離相近時，圖像幀目標檢測算法可能將兩個實際目標判斷為一個目標，從而只形成一條目標軌跡，當兩實際目標開始分離，距離變遠時，之前的一條目標軌跡就會分離成兩條不同的目標軌跡，即發生軌跡分離。
[0022]針對圖像序列多目標跟蹤中的軌跡分離問題，本發明涉及判斷目標軌跡是否需要分離以及處理軌跡分離，具體步驟如下:
[0023]第一步，計算可能與當前軌跡相配對的各個圖像幀目標的關聯度值；
[0024]第二步，依據具體監控場景的目標運動情況以及經驗判斷設立適當的雙閾值Θ i和θ2，根據第一閾值Q1排除關聯度值較小的幀目標，根據第二閾值θ2將剩下的關聯度值較大的幀目標進行相互比較，以對目標軌跡是否需要分離進行初步判定:若當前軌跡八在進行匹配時遇到兩個幀目標rm和rn，二者與Ta的關聯度值分別為A (rffl | Ta)和A (rn | Ta)，它們與其他目標關聯度值相比較時均滿足雙閾值條件，但它們相互比較時不能滿足第二個閾值條件，即:
[0025]A(rffl|Ta) >
[0026]A (rm I Ta) -A (rk Ta) > Θ 2，A (rn | Ta) -A (rk | Ta) > Θ 2, Vr, ^R1- (rf?，r?}
[0027]|A(rm|Ta)-A(rn|Ta) | < θ2
[0028]s.t.Θ j > 0, Θ 2 > 0
[0029]其中， Rt為經過第一閾值篩選后的關聯度值較大的幀目標集合，rk為Rt中除rm和rn之外的任意幀目標。此時則認為目標軌跡Ta有可能需要分離，進入第三步；否則，認為Ta不需要分離，保持原軌跡不變，結束本次處理；
[0030]第三步，建立臨時分離點，將目標軌跡Ta分離成兩段臨時軌跡，根據數據關聯匹配算法，在隨后的連續3幀圖像中分別對兩段臨時軌跡進行配對。若3幀配對中均能得到符合要求的最佳匹配結果，則確定目標軌跡Ta需要分離，將臨時分離點和臨時軌跡確定為實際分離點和實際軌跡，并進入下述分離軌跡編號過程；否則，確定軌跡Ta不需要分離，撤銷臨時分離點及臨時軌跡，選擇A (rm I Ta)和A (rn | Ta)中的較大值所對應的幀目標作為本次匹配的最佳結果，結束本次處理。
[0031]如圖2所示，在現有的處理目標軌跡分離的方法中，若兩目標軌跡先發生合并，再發生分離，則往往由于未進行軌跡身份識別，兩目標軌跡的身份可能會發生交換，即發生身份轉換。據此，本專利方法在對分離后軌跡進行編號時特別考慮該分離軌跡在之前時刻是否由兩條軌跡合并而來，并設計了基于幀目標顏色直方圖巴氏距離值的方法，以規避軌跡合并的兩目標在重新分離時軌跡發生身份轉換。
[0032]本發明對分離后軌跡正確編號，同時規避軌跡合并的兩目標在重新分離時發生身份轉換的具體步驟如下:
[0033]第一步，查詢目標跟蹤記錄，若發生分離的目標軌跡Ta在之前跟蹤過程中是由兩條目標軌跡合并而來，則進入隨后步驟；否則，采用兩個新的編號對分離后的兩段軌跡進行標定，結束本次處理；
[0034]第二步，分別在合并前以及分離后的四段軌跡中查找最靠近合并點的兩個幀目標匕和！^，以及最靠近分離點的兩個幀目標ra'和rb'；
[0035]第三步，求取這四個幀目標的顏色直方圖ca，cb，c' a，cb'，并對其進行下列計算:
[0036]Aaa, =B(ca, C1 a)，Aab, =B(ca, Ch1 )，Aba, =B(cb, c' a)，Abb, =B(cb, cb')
[0037]其中，B(.)表示計算兩顏色直方圖的巴氏距離，Aaa,，Aab,，Aba,，Abb,分別為四對組合的巴氏距離值；
[0038]第四步，比較上述各巴氏距離值，選出其中的最小值，并將該最小值所對應的兩段軌跡識別為同一目標軌跡，剩下的兩段軌跡識別為另一目標軌跡；
[0039]第五步，依照上述目標識別結果，沿用合并前兩段軌跡的編號分別對分離后兩段軌跡進行標定，結束本次處理。
[0040]最終，本發明方法有效地處理了圖像序列多目標跟蹤中有關目標軌跡分離的一系列問題，從而為多目標軌跡形成提供了保障。
【權利要求】
1.一種圖像序列多目標跟蹤軌跡識別處理方法，其特征在于，所述方法包括下列步驟: 步驟1)，計算可能與當前軌跡相配對的各個圖像幀目標的關聯度值，設置用于排除關聯度較小的幀目標的第一閾值，篩選出關聯度值大于第一閾值的幀目標，并將其按關聯度從大到小進行排序； 步驟2)，設置用于比較各幀目標關聯度之間差距的第二閾值，將排序隊列中前兩個幀目標的關聯度值分別與各幀目標的關聯度值作差，如果前兩個幀目標與其余幀目標的關聯度差值均大于第二閾值、且前兩個幀目標之間的關聯度差值小于第二閾值，執行步驟3);否貝U，保持原軌跡不變，結束本次處理； 步驟3)，建立臨時分離點，將當前軌跡分離成兩段臨時軌跡，根據數據關聯匹配算法，在隨后的連續3幀圖像中分別對兩段臨時軌跡進行配對，若3幀配對中兩段臨時軌跡均能得到符合要求的最佳匹配結果，將臨時分離點和臨時軌跡確定為實際分離點和實際軌跡，執行步驟4);否則撤銷臨時分離點及臨時軌跡，選擇排序隊列中的第一個幀目標作為本次匹配的最佳結果，結束本次處理； 步驟4)，判斷分離前的軌跡是否由兩條軌跡合并而來，如果是，執行步驟5)，否則對分離后的兩段軌跡進行標定，結束本次處理； 步驟5)，在合并前的兩段軌跡中查找最靠近合并點的兩個幀目標，在分離后的兩段軌跡中查找最靠近分離點的兩個幀目標； 步驟6)，求取這四個幀目標的顏色直方圖，將合并前幀目標的顏色直方圖分別與分離后幀目標的顏色直方圖組合后，計算出四組顏色直方圖的巴氏距離； 步驟7)，比較各巴氏距離值，選出其中的最小值，將其對應的兩段軌跡識別為同一目標軌跡，剩下的兩段軌跡識別為另一目標軌跡； 步驟8)，依照上述目標識別結果，分別對分離后兩段軌跡進行標定，結束本次處理。
【文檔編號】G06K9/62GK103927763SQ201410111242
【公開日】2014年7月16日 申請日期:2014年3月24日 優先權日:2014年3月24日
【發明者】王慧斌, 侯江巖, 沈潔, 杜敏 申請人:河海大學