[发明专利]基于视频的多目标跟踪方法及装置

权利要求书

1.一种基于视频的多目标跟踪方法，其将多目标分配公式化成一个混合的粒子滤波分布，由蒙特卡罗通过预测和更新两步递归实现新型粒子滤波器，再将新型粒子滤波器和Adaboost检测融合构造多目标跟踪器，其特征在于，包括如下步骤：

A、提取目标模板并初始化目标的参数；

B、Adaboost检测；

C、根据运动模型，对粒子集进行动态预测；

D、对各个混合分量的权值进行更新；

E、更新每个目标的运动状态；

F、模板更新；

G、结束。

2.根据权利要求1所述的基于视频的多目标跟踪方法，其特征在于，所述步骤A具体包括如下步骤：

A1、获取跟踪区域；

A2、初始化目标的运动状态和粒子集合。

3.根据权利1所述的基于视频的多目标跟踪方法，其特征在于，所述步骤B具体包括如下步骤：

B1、通过级联Adaboost检测器检测是否有新目标出现，并用以Adaboost检测为中心的高斯分布生成粒子。

B2、从Adaboost检测中抽取图像块，初始化交换概率主成分分析模板更新器。

4.根据权利1所述的基于视频的多目标跟踪方法，其特征在于，所述步骤C中所述动态模型使用常速和随机游走相混合动态模型来适应运动、旋转、目标大小变化以及遮挡的处理。

5.根据权利1所述的基于视频的多目标跟踪方法，其特征在于，所述步骤D具体包括如下步骤：

D1、混合贝叶斯序列滤波过程；

D2、新型粒子滤波跟踪器权值更新；

D3、建议密度的选取；

D4、观测似然的计算。

6.根据权利1所述的基于视频的多目标跟踪方法，其特征在于，所述步骤E具体包括如下步骤：

E1、根据重要性权值重采样，产生未加权样本。

E2、对未加权的样本求均值。

E3、重采样。

7.根据权利1所述的基于视频的多目标跟踪方法，其特征在于，所述步骤F具体包括学习、更新及预测三个主要步骤。

8.一种基于视频的多目标跟踪装置，其特征在于，包括目标获取装置，目标初始化装置，Adaboost检测装置，粒子滤波跟踪器装置，模板更新器装置。