[发明专利]一种基于多尺度特征量的目标跟踪方法和系统

权利要求书

1.一种基于多尺度特征量的目标跟踪方法，其特征在于，包括：

获取被跟踪目标在当前时间点与在当前时间点之前的预定时间段内时间点的位置点；

过滤所述在当前时间点与在当前时间点之前的预定时间段内时间点的噪声位置点，生成有效位置点；

将所述有效位置点按照时间和空间分布，聚类为N个位置点簇群；

分别计算所述位置点簇群的簇群中心与在时间上相邻的上一个簇群的簇群中心之间的移动距离；

将所述移动距离与预定的尺度阈值比较，判断所述被跟踪目标当前时间点的位置点所在簇群与在当前时间点之前的预设时间段内时间点的位置点所在簇群分别属于大尺度移动还是小尺度移动；

根据判断结果，生成被跟踪目标的将来位置点簇群，对所述被跟踪目标当前时间点的位置点的移动进行预判；如果所述被跟踪目标当前时间点的位置点属于小尺度移动，则从海量目标数据中选取与所述被跟踪目标当前时间点的位置点所在簇群邻近的位置点簇群中属于小尺度移动的目标数据；根据所述目标数据中包含的属于小尺度移动的位置点所属簇群，生成潜在位置点簇群，并确定所述潜在位置点簇群的条件概率；参考所述被跟踪目标当前时间点之前的预设时间段内属于小尺度移动的位置点与当前时间点属于小尺度移动的位置点，根据所述潜在位置点簇群的条件概率，生成被跟踪目标的将来位置点簇群；如果所述被跟踪目标当前时间点的位置点属于大尺度移动，则从海量目标数据中选取与所述被跟踪目标当前时间点的位置点所在簇群邻近的位置点簇群中属于大尺度移动的目标数据；根据所述目标数据中包含的属于大尺度移动的位置点所属簇群，生成潜在位置点簇群，并确定所述潜在位置点簇群的条件概率；参考所述被跟踪目标当前时间点之前的预设时间段内属于大尺度移动的位置点与当前时间点属于大尺度移动的位置点，根据所述潜在位置点簇群的条件概率，生成被跟踪目标的将来位置点簇群；根据所述被跟踪目标的将来位置点簇群，对所述被跟踪目标当前时间点的位置点的移动进行预判；

根据所述预判结果，在所述将来位置点簇群中的位置点处进行目标跟踪处理。

2.如权利要求1所述的一种基于多尺度特征量的目标跟踪方法，其特征在于，过滤所述在当前时间点与之前的一个预设时间点段内时间点的噪声位置点，生成有效位置点，包括：

判断所述当前时间点与之前的一个预定时间段内时间点的位置点半径为R的邻域空间内位置点的数量是否小于过滤阈值；

如果小于过滤阈值，则所述位置点为噪声点，将所述位置点进行过滤；如果大于过滤阈值，则所述位置点为有效位置点。

3.如权利要求1所述的一种基于多尺度特征量的目标跟踪方法，其特征在于，将所述有效位置点按照时间和空间分布，聚类为N个位置点簇群，包括：

选择步骤：随机选择所述有效位置点中的N个位置点作为初始的簇群中心；

确定步骤：对于上述N个位置点以外的剩余的每个有效位置点，确定与每个有效位置点在时间上相邻的一个或多个簇群中心；

划分步骤：将所述剩余的每个有效位置点分别划分到距离最近的簇群中心所在的簇群；

计算步骤：计算所述簇群中的位置点之间的平均距离，选择平均距离最小的位置点作为本簇群的簇群中心；

生成步骤：重复确定步骤、划分步骤与计算步骤，直至每个簇群的组成不再变化，生成N个位置点簇群。

4.如权利要求1所述的一种基于多尺度特征量的目标跟踪方法，其特征在于，判断所述被跟踪目标当前时间点的位置点所在簇群与在当前时间点之前的预设时间段内时间点的位置点所在簇群分别属于大尺度移动还是小尺度移动，包括：

如果所述移动距离小于预定的尺度阈值，则所述被跟踪目标当前时间点的位置点所在簇群属于小尺度移动；如果所述移动距离大于预定的尺度阈值，则所述被跟踪目标当前时间点的位置点所在簇群属于大尺度移动；

如果所述移动距离小于预定的尺度阈值，则所述被跟踪目标在所述当前时间点之前的预设时间段内时间点的位置点所在簇群属于小尺度移动；如果所述移动距离大于预定的尺度阈值，则所述被跟踪目标在所述当前时间点之前的预设时间段内时间点的位置点所在簇群属于大尺度移动。