[发明专利]一种基于连续最小能量表观模型的多目标跟踪方法

权利要求书

1.一种基于连续最小能量表观模型的多目标跟踪方法，其特征在于，所述方法包括以下步骤：

步骤1：利用观测模型、表观模型、运动模型、互斥模型、轨迹维持模型及轨迹修正模型构建一个目标函数；

步骤2：利用梯度下降法对构建的目标函数求解，以得到各时刻跟踪目标的近似最小能量，及对应的多目标个数和状态；

步骤3：采用基于最小能量的智能探测方法，得到平滑、连续的跟踪轨迹。

2.根据权利要求1所述的一种基于连续最小能量表观模型的多目标跟踪方法，其特征在于，所述方法的步骤3包括：首先定义一个全局最优能量函数并对其进行优化，然后利用梯度下降法对优化后的近似线性能量函数进行求解，得到该能量函数在整个视频序列中的最优解，该能量函数定义如下：

Ε(X)＝αΕ_det(X)+βΕ_app(X)+κΕ_exc

+γΕ_dyn(X)+λΕ_per(X)+μΕ_reg(X)

其中，α，β，κ，γ，λ，μ分别表示各能量函数的权重，E_det表示观察模型的能量；E_app表示表观模型的能量，旨在消除不同目标间的关联；E_exc、E_dyn及E_per分别表示互斥模型、动态模型、轨迹维持模型的能量，旨在优化跟踪轨迹结果；E_reg表示轨迹修正模型的能量，旨在一定程度上防止迭代过程中的过拟合。

3.根据权利要求1或2所述的一种基于连续最小能量表观模型的多目标跟踪方法，其特征在于，所述方法的步骤3包括：

目标函数旨在找到一个使能量函数E(X)取得最优跟踪轨迹的状态X^*:

X*=argminX∈RE(X)]]>

其中，E(X^*)表示搜索空间R的连续最小能量，该空间取值一般介于10³-10⁴之间。

4.根据权利要求1所述的一种基于连续最小能量表观模型的多目标跟踪方法，其特征在于，所述方法利用梯度下降法对能量函数方程进行求解，以求得跟踪目标的近似最小能量；求解过程中，对跟踪目标每进行n次迭代，就对目标轨迹执行一次跳跃运动，实现一次关联，直到能量有上升趋势为止；求解过程中，假设跳跃运动的顺序不会影响最终的跟踪结果；也即，当正向迭代无法获得跟踪目标的最优解时，通过反向迭代求解跟踪目标的最小能量，并使最初的最小能量值不依赖于跟踪目标的数目。

5.根据权利要求1所述的一种基于连续最小能量表观模型的多目标跟踪方法，其特征在于，所述方法采用基于智能探测策略的梯度下降法，利用独立模式梯度下降的优势，按照能量梯度下降方向进行迭代，并对能量相近的跟踪目标位置进行关联；只要迭代过程是按照能量下降方向进行，则跳跃运动会一直继续；智能探测策略推演法包括目标轨迹的增长与收缩策略、拆分与合并策略、删除与添加三种策略。

6.根据权利要求4所述的一种基于连续最小能量表观模型的多目标跟踪方法，其特征在于：所述方法的目标轨迹的增长与收缩策略是采用智能轨迹探测法在时空上对每条跟踪轨迹进行扩展和缩短；如果能量函数的下一次迭代中，无法获得最优的跟踪位置，则将该轨迹上的跟踪目标移除，跟踪轨迹缩短；反之，如果迭代过程一直按照能量下降的方向进行，则该跟踪轨迹将在原有基础上进行扩展，增长现有轨迹。