[发明专利]视频多目标模糊数据关联方法及装置

权利要求书

1.一种视频多目标模糊数据关联方法，其特征在于，所述方法包括：

对当前视频帧进行在线目标运动检测，检测得到的可能运动对象作为观测结果；

计算所述当前视频帧中不同目标的预测结果之间的遮挡度，其中所述预测结果是至少利用前一视频帧的目标的轨迹进行预测而得到的；

根据所述遮挡度分别判断每一所述预测结果与其他所述预测结果之间是否发生遮挡；

若所述预测结果与任何其他所述预测结果之间均未发生遮挡，则对所述预测结果和所述观测结果进行第一数据关联；若所述预测结果与其他所述预测结果之间发生遮挡，则对所述预测结果和所述观测结果进行第二数据关联，其中，所述第一数据关联和所述第二数据关联不同；

其中，不同预测结果A与预测结果B之间的遮挡度定义为：

s(·)表示区域面积。

2.根据权利要求1所述的方法，其特征在于，若所述预测结果与任何其他所述预测结果之间均未发生遮挡，则对所述预测结果和所述观测结果进行第一数据关联包括：

计算所述观测结果和所述预测结果之间的第一相似性度量，所述第一相似性度量包括空间距离特征相似性度量以及外观特征相似性度量；

利用所述第一相似性度量计算所述观测结果和所述预测结果之间的关联代价矩阵；

采用贪婪算法对所述关联代价矩阵进行优化求解，找出关联的所述观测结果和所述预测结果。

3.根据权利要求2所述的方法，其特征在于，观测结果d与预测结果o之间的所述空间距离特征相似性度量f_D(·)定义为：

其中，||·||₂为二范数，(x_o,y_o)为所述预测结果o的中心坐标，(x_d,y_d)为所述观测结果d的中心坐标，h_o为所述预测结果o的高度，为方差常量；

所述观测结果d与所述预测结果o之间的所述外观特征相似性度量f_S(·)定义为：

其中，h_d为所述观测结果d的高度，为方差常量；

利用所述第一相似性度量计算所述观测结果和所述预测结果之间的关联代价矩阵包括：

采用乘性融合对所述空间距离特征相似性度量以及外观特征相似性度量进行融合，以得到所述观测结果和所述预测结果之间的关联度，定义为：

s_ij＝f_D(o,d)×f_s(o,d)

根据所述关联度得到所述观测结果和所述预测结果之间的关联代价矩阵，定义为：

S＝[s_ij]_n×l

其中，i＝1,2,…n,j＝1,2,…,l。

4.根据权利要求2所述的方法，其特征在于，所述采用贪婪算法对所述关联代价矩阵进行优化求解，找出关联的观测结果和预测结果包括：

找出所述关联代价矩阵S中未被标记的所有元素中的最大值；

判断所述最大值是否为所在行列中的最大值，且大于第一阈值；

若大于，则所述观测结果和所述预测结果正确关联。

5.根据权利要求1所述的方法，其特征在于，若所述预测结果与其他所述预测结果之间发生遮挡，则对所述预测结果和所述观测结果进行第二数据关联包括：

计算所述观测结果和所述预测结果之间的第二相似性度量，所述第二相似性度量包括外观特征相似性度量、几何形状特征相似性度量、运动特征相似性度量以及空间距离特征相似性度量；

采用模糊推理系统模型计算所述第二相似性度量中每一特征相似性度量的权重值；

对所述权重值和所述第二相似性度量进行加权和融合，以得到所述观测结果和所述预测结果之间的关联代价矩阵；

采用贪婪算法对所述关联代价矩阵进行优化求解，找出关联的所述观测结果和所述预测结果。