[发明专利]一种基于颜色和距离聚类的多目标跟踪方法

权利要求书

1.一种基于颜色和距离聚类的多目标跟踪方法，其特征在于，包括以下步骤：

S1：计算距离得分；

S2：计算颜色得分；

S3：加权得分；

S4：聚类；

S5：目标回归；

S6：更新距离和直方图模型；

所述步骤S1的具体过程如下：

对当前帧前景中每一个像素点，根据其和前一帧各个目标的距离，计算其属于前一帧中各个目标的可能性作为该点的属于各个目标类别的得分，得分为一个向量，向量的维数表示可能的目标数：

d(p)＝||p-cⁿ||²……(3)

对于一帧图像x_t，应用高斯混合背景建模得到运动区域的前景掩模m_t，m_t是一张二值图像，像素值为1代表的是运动区域，0代表的是背景区域，将把m_t里面为1的像素点所对应x_t的像素点统称为前景点，用集合S_t表示；

t为某一时刻,我们现有的信息是前一时刻t-1时，目标的个数N，其中cⁿ代表的是第n个目标的中心，每一个目标称为每一个类别，对于前景里某一点p，则d(p)表示的是p和类别中心cⁿ的欧氏距离，函数g(d)计算的是p属于每一个类别的距离得分，其中g函数中3σ等于该视角下目标在画面里面的宽度，对于某一类别n,如果点p距离类别中心大于3σ，该点属于该类别的可能性为0，所以距离得分也为0，如果距离小于3σ，则按照高斯函数计算其距离得分，f_dist(p)表示前景点分别属于各个类别的距离得分，用N维列向量表示:

2.根据权利要求1所述的基于颜色和距离聚类的多目标跟踪方法，其特征在于，所述步骤S2的具体过程如下：

对当前帧前景的每一个像素点，根据前一帧各个目标的颜色直方图，计算该像素点属于每一个目标的概率，作为此像素点的得分，得分为一个向量，向量的维数表示可能的目标数:

d(p)＝||p-cⁿ||²……(6)

其中，j表示的是x_t的M个通道中的第j个通道，H^j(Oⁿ)表示的j通道上第n个类别的颜色直方图，而b^j(Oⁿ)表示的是j通道上点p落在第n个类别的颜色直方图对应的那个bin，所以ρ^j(Oⁿ)表示的是，在通道j上点p属于类别n的概率，然后对ρ^j(Oⁿ)进行归一化，那么fⁿ_hist(p)代表各个通道上的概率和，作为该点属于第个n类别的概率，d(p)3σ的意义和距离得分的一致，用f_hist(p)表示点p数各个类别的得分，其中是一个N维向量。

3.根据权利要求2所述的基于颜色和距离聚类的多目标跟踪方法，其特征在于，所述步骤S3的具体过程如下：

对于每一个像素点，我们将其距离得分和直方图得分进行加权求和，得到最后的得分向量，向量的每个元素代表着该像素属于对应目标类别的得分度量：

Score(p)＝(1-α)·f_hist(p)+α·f_hist(p)…(7)

由此得到每一个点属于各类的得分，其中Score(p)是N维的向量，其中α取是权重因子，α为0.7。